Тест Бартлетса - Bartletts test

В статистика, Тест Бартлетта (видеть Snedecor и Кокран, 1989) используется для проверки того, k образцы взяты из популяций с равными отклонения. Равная дисперсия между популяциями называется гомоскедастичность или однородность отклонений. Некоторые статистические тесты, например дисперсионный анализ, предположим, что дисперсии одинаковы для разных групп или выборок. Для проверки этого предположения можно использовать тест Бартлетта.

В тесте Бартлетта мы строим нулевую и альтернативную гипотезы. Для этого было разработано несколько методик испытаний. Здесь представлена ​​процедура тестирования с помощью теста Бартлетта M.S.E (среднеквадратическая ошибка / оценка). Эта процедура тестирования основана на статистике, распределение выборки которой является приблизительно распределением хи-квадрат с (k-1) степенями свободы, где k - количество случайных выборок, которые могут различаться по размеру и каждая из которых извлекается из независимых нормальных распределений. . Тест Бартлетта чувствителен к отклонениям от нормы. То есть, если выборки происходят из ненормальных распределений, тогда тест Бартлетта может просто проверять на ненормальность. Тест Левена и Тест Брауна – Форсайта являются альтернативами тесту Бартлетта, которые менее чувствительны к отклонениям от нормы.^[1]

Тест назван в честь Морис Стивенсон Бартлетт.

Технические характеристики

Тест Бартлетта используется для проверки нулевой гипотезы, ЧАС₀ все это k дисперсии населения равны, в отличие от альтернативы, согласно которой, по крайней мере, две разные.

Если есть k образцы с размерами ${\displaystyle n_{i}}$ и выборочные отклонения ${\displaystyle S_{i}^{2}}$ то статистика теста Бартлетта равна

${\displaystyle \chi ^{2}={\frac {(N-k)\ln(S_{p}^{2})-\sum _{i=1}^{k}(n_{i}-1)\ln(S_{i}^{2})}{1+{\frac {1}{3(k-1)}}\left(\sum _{i=1}^{k}({\frac {1}{n_{i}-1}})-{\frac {1}{N-k}}\right)}}}$

куда ${\displaystyle N=\sum _{i=1}^{k}n_{i}}$ и ${\displaystyle S_{p}^{2}={\frac {1}{N-k}}\sum _{i}(n_{i}-1)S_{i}^{2}}$ - объединенная оценка дисперсии.

Статистика теста примерно равна ${\displaystyle \chi _{k-1}^{2}}$ распределение. Таким образом, нулевая гипотеза отклоняется, если ${\displaystyle \chi ^{2}>\chi _{k-1,\alpha }^{2}}$ (куда ${\displaystyle \chi _{k-1,\alpha }^{2}}$ - верхнее критическое значение хвоста для ${\displaystyle \chi _{k-1}^{2}}$ распределение).

Тест Бартлетта является модификацией соответствующего тест отношения правдоподобия предназначен для приближения к ${\displaystyle \chi _{k-1}^{2}}$ распределение лучше (Бартлетт, 1937).

Примечания

В некоторых источниках тестовая статистика может быть записана с логарифмами по основанию 10 как:^[2]

${\displaystyle \chi ^{2}=2.3026{\frac {(N-k)\log _{10}(S_{p}^{2})-\sum _{i=1}^{k}(n_{i}-1)\log _{10}(S_{i}^{2})}{1+{\frac {1}{3(k-1)}}\left(\sum _{i=1}^{k}({\frac {1}{n_{i}-1}})-{\frac {1}{N-k}}\right)}}}$

Смотрите также

• М-тест коробки
• Тест Левена

Рекомендации

1. Электронный справочник статистических методов NIST / SEMATECH. Доступно в Интернете, URL: http://www.itl.nist.gov/div898/handbook/eda/section3/eda357.htm В архиве 2020-05-04 в Wayback Machine. Проверено 31 декабря 2013 года.
2. Ф., Ганст, Ричард; Л., Гесс, Джеймс (01.01.2003). Статистический дизайн и анализ экспериментов: приложения к технике и науке. Вайли. п. 98. ISBN  0471372161. OCLC  856653529.

• Бартлетт, М. С. (1937). «Свойства достаточности и статистические тесты». Труды Королевского статистического общества, Серия А 160, 268–282 JSTOR  96803
• Снедекор, Джордж У. и Кокран, Уильям Г. (1989), Статистические методы, Восьмое издание, издательство Государственного университета Айовы. ISBN  978-0-8138-1561-9

внешняя ссылка

• Страница NIST по тесту Бартлетта