Введение

Распределение вероятностей и частный случай гамма-распределения – математика распределения хи-квадрат.

В теории вероятностей и статистике распределение хи-квадрат (также хи-квадрат или χ²-распределение) с *k* степенями свободы представляет собой распределение суммы квадратов *k* независимых стандартных нормальных случайных величин. Распределение хи-квадрат является частным случаем гамма-распределения и является одним из наиболее широко используемых распределений вероятностей в математической статистике, особенно при проверке гипотез и построении доверительных интервалов. Это распределение иногда называют центральным распределением хи-квадрат, являющимся частным случаем более общего нецентрального распределения хи-квадрат. Распределение хи-квадрат используется в стандартных критериях хи-квадрат для проверки соответствия наблюдаемого распределения теоретическому, независимости двух критериев классификации качественных данных, а также для определения доверительного интервала для оценки стандартного отклонения генеральной совокупности по выборочному стандартному отклонению. Многие другие статистические тесты также используют это распределение, например, дисперсионный анализ Фридмана по рангам.

Определения

Если Z1, …, Zk – независимые стандартные нормально распределенные случайные величины, то сумма их квадратов распределена по закону хи-квадрат с k степенями свободы. Это обычно обозначается как χ².

Распределение хи-квадрат имеет один параметр: положительное целое число k, определяющее число степеней свободы (количество суммируемых случайных величин Zi).

Введение

Распределение хи-квадрат используется преимущественно в проверке гипотез и в меньшей степени для построения доверительных интервалов для дисперсии генеральной совокупности, когда базовое распределение является нормальным. В отличие от более известных распределений, таких как нормальное и экспоненциальное, распределение хи-квадрат реже применяется для непосредственного моделирования природных явлений. Оно возникает в следующих тестах гипотез, в частности:

Тест хи-квадрат на независимость в таблицах сопряженности
Тест хи-квадрат на соответствие наблюдаемых данных гипотетическим распределениям
Тест отношения правдоподобия для вложенных моделей
Log-rank тест в анализе выживаемости
Тест Кохрана — Мантеля — Хензеля для стратифицированных таблиц сопряженности
Wald-тест
Score-тест

Оно также является компонентом определения t-распределения и F-распределения, используемых в t-тестах, дисперсионном анализе и регрессионном анализе. Основная причина широкого использования распределения хи-квадрат в проверке гипотез заключается в его связи с нормальным распределением. Многие тесты гипотез используют тестовую статистику, например t-статистику в t-тесте. Для этих тестов, при увеличении размера выборки n, распределение выборочной статистики приближается к нормальному распределению (центральная предельная теорема). Поскольку тестовая статистика (например, t) асимптотически нормально распределена, при достаточно большом размере выборки распределение, используемое для проверки гипотез, может быть аппроксимировано нормальным распределением. Проверка гипотез с использованием нормального распределения хорошо изучена и относительно проста. Самое простое распределение хи-квадрат – это квадрат стандартного нормального распределения. Таким образом, везде, где можно использовать нормальное распределение для проверки гипотезы, можно использовать и распределение хи-квадрат. Предположим, что – это случайная величина, взятая из стандартного нормального распределения, где среднее равно , а дисперсия равна . Теперь рассмотрим случайную величину . Распределение случайной величины является примером распределения хи-квадрат: нижний индекс 1 указывает, что это конкретное распределение хи-квадрат построено только из 1 стандартного нормального распределения. Распределение хи-квадрат, построенное путем возведения в квадрат одного стандартного нормального распределения, имеет 1 степень свободы. Следовательно, по мере увеличения размера выборки для проверки гипотезы распределение тестовой статистики приближается к нормальному распределению. Как и экстремальные значения нормального распределения имеют низкую вероятность (и дают малые p-значения), так и экстремальные значения распределения хи-квадрат имеют низкую вероятность. Дополнительная причина широкого использования распределения хи-квадрат заключается в том, что оно возникает как асимптотическое распределение обобщенных тестов отношения правдоподобия (LRT). LRT обладают несколькими желательными свойствами; в частности, простые LRT обычно обеспечивают наибольшую мощность для отклонения нулевой гипотезы (лемма Неймана — Пирсона), что также приводит к свойствам оптимальности обобщенных LRT. Однако нормальные и хи-квадратные аппроксимации верны только асимптотически. По этой причине предпочтительнее использовать t-распределение, а не нормальную или хи-квадратную аппроксимацию для небольшого размера выборки. Аналогично, при анализе таблиц сопряженности хи-квадратная аппроксимация будет плохой для небольшого размера выборки, и предпочтительнее использовать точный тест Фишера. Рамси показывает, что точный биномиальный тест всегда мощнее, чем нормальная аппроксимация. Ланкастер показывает связи между биномиальным, нормальным и хи-квадратным распределениями следующим образом. Де Муавр и Лаплас установили, что биномиальное распределение можно аппроксимировать нормальным распределением. В частности, они показали асимптотическую нормальность случайной величины , где – наблюдаемое число успехов в испытаниях, где вероятность успеха равна , и . Возведение в квадрат обеих частей уравнения дает . Используя , , и , это уравнение можно переписать как . Выражение справа имеет вид, который Карл Пирсон обобщит до формы , где

= кумулятивная тестовая статистика Пирсона, которая асимптотически приближается к распределению;
= число наблюдений типа ;
= ожидаемая (теоретическая) частота типа , утверждаемая нулевой гипотезой о том, что доля типа в популяции равна ; и
= число ячеек в таблице. В случае биномиального исхода (подбрасывание монеты) биномиальное распределение может быть аппроксимировано нормальным распределением (при достаточно большом ). Поскольку квадрат стандартного нормального распределения является распределением хи-квадрат с одной степенью свободы, вероятность такого результата, как 1 орел в 10 испытаниях, можно аппроксимировать либо с использованием нормального распределения напрямую, либо с использованием распределения хи-квадрат для нормализованной, возведенной в квадрат разницы между наблюдаемым и ожидаемым значением. Однако многие задачи включают в себя более двух возможных исходов биномиального распределения и вместо этого требуют 3 или более категорий, что приводит к многочленному распределению. Как Де Муавр и Лаплас искали и нашли нормальную аппроксимацию для биномиального распределения, так и Пирсон искал и нашел вырожденную многомерную нормальную аппроксимацию для многочленного распределения (числа в каждой категории в сумме дают размер выборки, который считается фиксированным). Пирсон показал, что распределение хи-квадрат возникает из такой многомерной нормальной аппроксимации к многочленному распределению, тщательно учитывая статистическую зависимость (отрицательную корреляцию) между числами наблюдений в разных категориях. Для случаев, когда (что включает в себя все случаи, когда эта CDF меньше половины):

Граничное значение для случаев, когда , аналогично, равно

Для другой аппроксимации для CDF, смоделированной на основе куба гауссиана, см. раздел «Нецентральное распределение хи-квадрат».

Добавленность

Из определения распределения хи-квадрат следует, что сумма независимых хи-квадратных переменных также имеет распределение хи-квадрат. В частности, если являются независимыми хи-квадратными переменными с , степенями свободы соответственно, то имеет распределение хи-квадрат с степенями свободы.

Концентрация

Распределение хи-квадрат демонстрирует сильную концентрацию вокруг своего среднего значения. Стандартные границы Лорана Массара:

Одним из следствий является то, что если – гауссовский случайный вектор в , то при увеличении размерности квадрат длины вектора сильно концентрируется вокруг с шириной : где показатель может быть выбран как любое значение в .

Нецентральное распределение чи-квадрат

Нецентральное хи-квадрат распределение получается из суммы квадратов независимых нормально распределённых случайных величин с единичной дисперсией и ненулевыми математическими ожиданиями.

Обобщенное распределение чи-квадрат

Обобщенное хи-квадрат распределение получается из квадратичной формы z'Az, где z — гауссовский вектор с нулевым средним и произвольной матрицей ковариации, а A — произвольная матрица.

Таблица значений против значений

Значение представляет собой вероятность наблюдения тестовой статистики, по крайней мере, столь же экстремальной в распределении хи-квадрат. Соответственно, поскольку функция кумулятивного распределения (CDF) для соответствующих степеней свободы (df) дает вероятность получения значения, менее экстремального, чем данная точка, вычитание значения CDF из 1 дает p-значение. Низкое p-значение, ниже выбранного уровня значимости, указывает на статистическую значимость, то есть достаточно доказательств для отклонения нулевой гипотезы. Уровень значимости 0,05 часто используется в качестве границы между значимыми и незначимыми результатами. В таблице ниже приведены p-значения, соответствующие для первых 10 степеней свободы.

Степени свободы (df) | Значение | 0.95 | 0.90 | 0.80 | 0.70 | 0.50 | 0.30 | 0.20 | 0.10 | 0.05 | 0.01 | 0.001
---|---|---|---|---|---|---|---|---|---|---|---|---
1 | 0.004 | 0.02 | 0.06 | 0.15 | 0.46 | 1.07 | 1.64 | 2.71 | 3.84 | 6.63 | 10.83
2 | 0.10 | 0.21 | 0.45 | 0.71 | 1.39 | 2.41 | 3.22 | 4.61 | 5.99 | 9.21 | 13.82
3 | 0.35 | 0.58 | 1.01 | 1.42 | 2.37 | 3.66 | 4.64 | 6.25 | 7.81 | 11.34 | 16.27
4 | 0.71 | 1.06 | 1.65 | 2.20 | 3.36 | 4.88 | 5.99 | 7.78 | 9.49 | 13.28 | 18.47
5 | 1.14 | 1.61 | 2.34 | 3.00 | 4.35 | 6.06 | 7.29 | 9.24 | 11.07 | 15.09 | 20.52
6 | 1.63 | 2.20 | 3.07 | 3.83 | 5.35 | 7.23 | 8.56 | 10.64 | 12.59 | 16.81 | 22.46
7 | 2.17 | 2.83 | 3.82 | 4.67 | 6.35 | 8.38 | 9.80 | 12.02 | 14.07 | 18.48 | 24.32
8 | 2.73 | 3.49 | 4.59 | 5.53 | 7.34 | 9.52 | 11.03 | 13.36 | 15.51 | 20.09 | 26.12
9 | 3.32 | 4.17 | 5.38 | 6.39 | 8.34 | 10.66 | 12.24 | 14.68 | 16.92 | 21.67 | 27.88
10 | 3.94 | 4.87 | 6.18 | 7.27 | 9.34 | 11.78 | 13.44 | 15.99 | 18.31 | 23.21 | 29.59

Эти значения можно вычислить, оценивая квантильную функцию (также известную как "обратная CDF" или "ICDF") распределения хи-квадрат; например, χ^(2) ICDF для p = 0,05 и df = 7 дает 2,1673 ≈ 2,17, как в таблице выше, учитывая, что 1 – p является p-значением из таблицы.

История

Это распределение впервые было описано немецким геодезистом и статистиком Фридрихом Робертом Гельмертом в работах 1875–1876 годов, где он вычислил асимптотическое распределение выборочной дисперсии нормальной совокупности. Таким образом, в немецком языке оно традиционно было известно как Helmert'sche ("Гельмертовское") или "распределение Гельмерта". Распределение было независимо повторно открыто английским математиком Карлом Пирсоном в контексте проверки гипотез о соответствии, для которой он разработал свой критерий хи-квадрат, опубликованный в 1900 году, с таблицей вычисленных значений, опубликованной в , собранной в 1999 году. Название "хи-квадрат" в конечном итоге происходит от сокращения, использованного Пирсоном для обозначения показателя степени в многомерном нормальном распределении с использованием греческой буквы Chi, записывая −½χ² для того, что в современной нотации выглядит как −½'x'^(T)Σ^(−1)'x' (где Σ – матрица ковариации). Однако идея семейства "распределений хи-квадрат" не принадлежит Пирсону, а возникла как дальнейшая разработка, выполненная Фишером в 1920-х годах.