Аналитика / Статистические выводы
Одновыборочный критерий Хотеллинга T²
Одновыборочный критерий Хотеллинга проверяет заданный вектор средних с учётом ковариации признаков. Для нормальной выборки статистика пересчитывается в F-распределение.
Формула
Наклон линии равен 7/16 для двух признаков.
Обозначения
- $T^2$
- Статистика Хотеллинга, —
- $F$
- Статистика с p и n−p степенями свободы, —
- n, p
- Число наблюдений и признаков, —
- $\bar{x}, μ_0$
- Выборочное и заданное средние, —
- $S$
- Выборочная ковариационная матрица, —
Условия применения
Наблюдения независимы и одинаково распределены по многомерному нормальному закону. Число наблюдений n больше числа признаков p, выборочная ковариация обратима и вычислена с делителем n − 1. Нулевая гипотеза задаёт фиксированный вектор средних.
Ограничения
Сильные выбросы влияют и на среднее, и на ковариацию. Если p близко к n, ковариация может оцениваться неустойчиво. Точный пересчёт в F требует нормальности и независимости. Отклонение общей гипотезы не определяет, какие отдельные координаты отличаются.
Подробное объяснение
Вектор отклонения выборочного среднего от заданного центра оценивают в ковариационной геометрии. Если два признака изменяются совместно, одинаковые отклонения по обеим координатам и противоположные отклонения дадут разные значения статистики.
Множитель n учитывает, что разброс выборочного среднего меньше разброса отдельного наблюдения. При известной ковариации масштаб отклонения задавался бы непосредственно. Здесь ковариация оценивается по той же нормальной выборке, поэтому для точного критерия используется пересчёт в F.
При одном признаке статистика равна квадрату обычной одновыборочной t-статистики. Поправочный коэффициент тогда равен единице, а распределение F имеет одну степень свободы в числителе и n − 1 в знаменателе. Это удобная проверка формулы.
Для общего случая вычислите верхний хвост F-распределения. Большое значение соответствует сильному совместному отклонению. Если гипотеза отвергнута и нужно найти ответственные координаты, дальнейшие сравнения требуют отдельного плана и учёта множественности.
Как пользоваться формулой
- Задайте вектор средних по нулевой гипотезе и проверьте соответствие его координат столбцам наблюдений.
- Вычислите выборочное среднее и ковариационную матрицу по независимым векторам с делителем n − 1.
- Решите линейную систему с матрицей S для вектора отклонения и вычислите T² как масштабированное скалярное произведение.
- Умножьте T² на (n − p)/(p(n − 1)) и используйте верхний хвост распределения F с p и n − p степенями свободы.
Историческая справка
Гарольд Хотеллинг в работе о многомерных статистических критериях указывал на введённое им в 1931 году обобщение распределения Стьюдента на случай нескольких измерений. Задача состояла в проверке среднего вектора, где рассеяние описывается полной ковариационной матрицей. В курсе многомерной статистики Penn State переход к T² начинается со скалярного равенства t² и статистики с F-распределением. Затем разность средних заменяется вектором, а деление на дисперсию — квадратичной формой. В современной записи отдельно показывают T² и множитель для F, поскольку они численно совпадают только в частном одномерном случае. В общем случае отдельно указывают и обе степени свободы.
Историческая линия формулы
Критерий среднего вектора назван по Гарольду Хотеллингу. Его работа ретроспективно датирует многомерное обобщение 1931 годом. На странице рассматривается одна независимая выборка с неизвестной ковариацией, оценённой по этой выборке.
Пример
По девяти независимым наблюдениям двух признаков отклонение среднего от заданного вектора равно (1, 2). Выборочная ковариация диагональна, её диагональ (1, 4). Найдём статистику. Квадратичная форма равна 1²/1 + 2²/4 = 2, поэтому T² = 9·2 = 18. Для n = 9 и p = 2 получаем F = 7·18/16 = 7,875. При справедливости нулевой гипотезы степени свободы равны 2 и 7. Верхний хвост составляет (7/(7 + 2·7,875))^(7/2) ≈ 0,0162. На уровне 0,05 гипотезу отвергают. Статистика безразмерна после деления квадратов отклонений на дисперсии.
Частая ошибка
Множитель n относится к среднему, а не к отдельной новой точке. В F-распределении порядок степеней свободы важен: сначала p, затем n − p. Нельзя считать выборку пригодной при сингулярной ковариации. Результат общего теста не даёт готовых индивидуальных выводов по каждому признаку.
Практика
Задачи с решением
Одно измерение
Условие. Выборочная t-статистика равна −2, n = 12, p = 1. Найдите T² и F.
Решение. Возводим t в квадрат. Множитель перехода в F равен 11/11.
Ответ. T² = F = 4, степени свободы 1 и 11.
Пересчёт готовой статистики
Условие. При n = 11, p = 3 получено T² = 15. Найдите F.
Решение. Множитель равен 8/(3·10). Умножаем его на 15.
Ответ. F = 4, степени свободы 3 и 8.
Дополнительные источники
- https://digicoll.lib.berkeley.edu/nanna/record/112744/files/math_s2_article-03.pdf?registerDownload=1&version=1&withMetadata=0&withWatermark=0
- https://cran.r-project.org/web/packages/Hotelling/Hotelling.pdf
Связанные формулы
Аналитика
Расстояние Махаланобиса через ковариацию
Расстояние Махаланобиса измеряет отклонение вектора от центра с учётом масштаба и корреляции признаков. Его квадрат вычисляется как квадратичная форма с обратной ковариацией.
Аналитика
Накопленная доля дисперсии в методе главных компонент
Накопленная доля объяснённой дисперсии в PCA равна сумме первых k собственных значений, делённой на их полную сумму. По ней выбирают размерность линейного представления.
Аналитика
Ковариация многомерного сглаживания MEWMA
При общем весе λ и независимых входных наблюдениях предельная ковариация вектора MEWMA равна λ/(2 − λ), умноженному на ковариацию наблюдения. На старте действует дополнительный множитель.
Математика
Ковариация двух случайных величин
Формула «Ковариация двух случайных величин» задает численную характеристику вероятностной модели. Она переводит исходы, вероятности или наблюдения в показатель, который удобно считать, сравнивать и проверять.