※ブログ記事の商品・サービスリンクにはアフィリエイトリンクが含まれます。

『現代数理統計学の基礎』解説2022.03.28

現代数理統計学の基礎　7章　問5

今回の問題はポアソン分布における尤度比検定・ワルド検定・スコア検定の問題ですね。これも基本に沿ってやれば問題なくできます。

同じ内容を扱った過去記事はこちら

medibook.hatenablog.com

まずは尤度比検定ですが、その前にλの最尤推定量を求めましょう。

対数尤度関数は

$logL(\lambda)=\sum x_ilog\lambda-log\sum x_i!-n\lambda$

となるのでλで微分して

$\frac{\partial}{\partial\lambda}logL(\lambda)=\frac{\sum x_i}{\lambda}-n$

これを＝0として変形すれば最尤推定量 $\hat\lambda$ が求まります。

$\hat\lambda=\frac{\sum x_i}{n}=\bar X$

標本平均と等しくなることが分かりました。

では尤度比検定の式を見てみると

$\frac{\frac{\lambda_0^{n\bar X}}{\Pi x_i!}e^{-n\lambda_0}}{\frac{\hat\lambda^{n\bar X}}{\Pi x_i!}e^{-n\hat\lambda}}\\(\frac{\lambda_0}{\bar X})^{n\bar X}exp(n\bar X-n\lambda_0)$

あとは−2をかけて対数をとると、カイ二乗分布に従うため

$-2n\bar Xlog\lambda_0+2n\bar Xlog\bar X+n\bar X-n\lambda_0\gt\chi^2_{1,\alpha}$

となります。

続いてワルド検定。まずフィッシャー情報量を求めていきます。

パラメータで2回微分すると

$\frac{\partial^2}{\partial\lambda^2}logf(x)=-\frac{x}{\lambda^2}$

負の期待値を取ると、1個のフィッシャー情報量となりますがE[X]=λなので

$I_1(\lambda)=\frac{1}{\lambda}$ となります。

よって、ワルド検定の式は

$\sqrt{nI_1(\hat\lambda)}(\hat\lambda-\lambda_0)\\=\sqrt{\frac{n}{\hat\lambda}}(\hat\lambda-\lambda_0)\\=\sqrt{\frac{n}{\bar X}}(\bar X-\lambda_0)\sim N(0,1)$

二乗すると解答と同様にカイ二乗分布に従う形となります。

最後にスコア検定。

スコア関数は対数尤度関数をパラメータで微分すれば良いので

$S(\lambda)=\frac{n\bar X}{\lambda}-n$

となります。

スコア検定を示す式は

$\frac{S(\lambda_0)}{\sqrt{nI_1(\lambda_0)}}$

なので、代入して

$\frac{\sqrt n(\bar X-\lambda_0)}{\sqrt\lambda_0}\sim N(0,1)$

となります。これも二乗すると解答と同様の形になります。

(＊2021.04.25追記：途中の式にミスがあったので修正しました)

FOLLOW

コメントを残すコメントをキャンセル

コロナによる経済影響が続く今こそ読みたい『経済政策で人は死ぬか？』

現代数理統計学の基礎　7章　問4