統計實驗筆記
===
# 變數
$\hat p$ 樣本比例
$\mu$ = 母體平均數 = 中央趨勢量數
$\sigma$ = 母體變異術 = 分散趨勢量數
$p$ = 母體比例
---
1. nominal scale: 名目尺度/類別尺度
* 姓名、身高...
3. ordinal scale: 順序尺度/等級尺度
* 名次: 1、2、3
5. interval scale: 等距尺度/比例尺度
* 溫度： 10 -> 20 -> 30...
https://www.myclass-lin.org/wordpress/archives/615
---
1. Qualitative Data: 非數值資料(定性資料)
2. Quantitative Data: 數值資料
* 離散隨機變數
* 連續隨機變數
---
## Random Variable
隨機變數
給定樣本空間$(S,{\mathbb {F}})$，如果其上的實值函數 $X:S \to {\mathbb {R}}$ 是 $\mathbb{F}$ (實值)可測函數，則稱$X$為（實值）隨機變數。
A random variable is a **measurable function** ${\displaystyle X\colon \Omega \to E}$ from a set of possible outcomes $\Omega$ to a measurable space $E$.
## 變異數
* 代數性質
$(\sigma)^2={1 \over N}{\Sigma}_1^N(X_i-\mu)^2$
移項，拆開後得到
${\Sigma}X_i^2=N{\sigma}^2+N\mu$
亦可表達為「$\sigma^2=$ 平方的期望值-期望值的平方」
$(\sigma)^2={{\Sigma}X_i^2 \cdot f(x)}-\mu^2$
樣本變異數，亦若是
${\Sigma}x_i^2=(n-1)s^2+n \cdot \bar x$
* 平移不變性
* 變異數的平移不變性，平移變異數不變
* 自己推，很簡單
* 平方擴充性
* 變異數的平方擴充性
* 原來：$X_1,X_2,X_3...X_N$
* 令$Y_i=aX_i$
* 則${\mu}Y=a{\mu}_X$
* $Y$標準差公式，以$aX_i$代換，提出a
* 得知${\sigma}_Y=a{\sigma}_X$，所以${\sigma}_Y^2=a^2*{\sigma}_X^2$
## 共變異數
${{\sigma}_{x,y}}^2={Cov}(X,Y)$
$=\Sigma_y\Sigma_x(x-\mu_x)(y-\mu_y)f(x,y)$
$={E}((X-{\mu}_X)(Y-{\mu}_Y))$ 定義式
$={E}(XY-{\mu}_X \cdot Y-{\mu}_y \cdot X+{\mu_X}{\mu}_Y)$
$=E(XY)-\mu_X \cdot E(Y) - \mu_Y \cdot E(X)+E(\mu_X \mu_Y)$
$=E(XY)-\mu_X \mu_Y$
$=E(XY)-E(X)E(Y)$ 計算式
**待自己證**
$Var(aX+bY)=a^2Var(X)+b^2Var(Y)+2ab \cdot Cov(X,Y)$
* 性質：
* ${Cov}(X,a)=0$， $a \in Constant$
* ${Cov}(X,Y)={Cov}(Y,X)$
* ${Cov}(X,X)=Var(X)={\sigma}^2_X$
* ${Cov}(X+d,Y+c)={Cov}(X,Y)$
* ${Cov}(aX,bY)=a \cdot b\cdot {Cov}(X,Y)$
* Eg: ${Cov}(-2X-5,3Y-7)=-2*3*{Cov}(X,Y)=-6{Cov}(X,Y)$
## 相關係數
https://zh.wikipedia.org/wiki/%E7%9A%AE%E5%B0%94%E9%80%8A%E7%A7%AF%E7%9F%A9%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0
Correlation Coefficient
$\rho_{X,Y}={\mathrm{cov}(X,Y) \over \sigma_X \sigma_Y} ={E[(X-\mu_X)(Y-\mu_Y)] \over \sigma_X\sigma_Y}$
完全正相關 $\rho_{X,Y}=1$
正相關：共變異數>0
負相關參考資料：[菲利浦曲線](https://wiki.mbalib.com/zh-tw/%E8%8F%B2%E5%88%A9%E6%B5%A6%E6%96%AF%E6%9B%B2%E7%BA%BF)
母體相關係數$\rho_{X,Y}=Corr(X,Y)$
母體標準差$\sigma_{X,Y}=Cov(X,Y)$
樣本共變異數$\hat{S_{x,y}}={1 \over {n-1}}\Sigma_1^n(x_i-\bar x)(y_i-\bar y)$
樣本相關係數$\hat{r_{x,y}}$
我們希望能夠從 樣本推母體
$S_{xy}={{\Sigma_1^nx_iy_i}- n\bar x\bar y}$
$S_{xx}={{\Sigma_1^nx_i^2}- n(\bar x)^2}$ 即 $\Sigma(x_i- \bar x)^2$
$S_{yy}={\Sigma_1^ny_i^2}- n(\bar y)^2$ 即 $\Sigma(y_i- \bar y)^2$
$\hat{r_{x,y}}={\hat{S_{xy}} \over {\hat S_{xx} \hat
S_{yy}}}$
</br>
樣本標準差$s_x={{S_{xx}} \over {n-1}}$
## Chebyshev's Theorem
https://zh.wikipedia.org/wiki/%E5%88%87%E6%AF%94%E9%9B%AA%E5%A4%AB%E4%B8%8D%E7%AD%89%E5%BC%8F
$P( \left\|{x- \mu} \right\| \lt z \sigma) \gt 1 - {1 \over z^2}$
### Proof
By Markov Theorem
We have $P(X \ge a) \le {E(X) \over a}$， Take $X = |x-\mu|$
$\Rightarrow P(|x-\mu| \ge a) \le {E(|x-\mu|) \over a}$
$\Rightarrow P(|x-\mu| \ge a)^2 \le {E((x-\mu)^2) \over a^2}$
$\Rightarrow P(|x-\mu| \ge a)^2 \le {Var(x) \over a^2}$
$\Rightarrow P(|x-\mu| \ge a) \le {\sigma \over a}$
$\Rightarrow P( |x- \mu| \ge a \sigma) \le {1 \over a^2}$
That is Chebyshev's Theorem!
## 機率複習
eg:
||台大|中山|政大|(人數)|
|---|---|---|---|---|
|男|30|66|234|330|
|女|18|42|210|270|
||48|108|444|600|
列聯表
||台大|中山|政大|機率|
|---|---|---|---|---|
|男|0.05|0.11|0.39|0.55|
|女|0.03|0.07|0.35|0.45|
|機率|0.08|0.18|0.74|1|
邊際機率：在有兩個以上的事件的樣本空間中，若僅考慮某一事件個別發生的機率，稱為邊際機率。
也就是最右邊的 column 及 最下面的 row
獨立事件：自己看
$P(A|M)$:念作 probility of $A$ condition $M$
::: info
算機率在離散型要注意等號
:::
axiom:
* $\int_x P(x)=1$
* $0\le P(x) \le 1$, $\forall A \subset \Omega$
* $P(\Omega)＝1$
* 設$A_{1},A_{2}..為樣本空間\Omega中之一組事件，A_{i}\land A_{j} \not = 0,\forall_{i\not = j}，則P(\cup_{i=1}^{\infty})=\sum_{i=1}^{\infty}P(A_{i})。$
貝氏定理:
設$A_1,A_2...A_n為\Omega中之一組分割，B為\Omega上之任意分割事件，則P(A_i|B)=\frac{P(B|A_i)P(A_i)}{\sum_{i=1}^{n}P(B|A_i)P(A_i)}$
## 期望值
Except
$E(X)=\mu$
$Var(X)=\sigma^2 = E[(x-\mu)^2]$
## 分佈
r.v. $X, X \sim B(n,p)$ ~ : belongs to(服從)
$f_{\otimes}(x)=\{^{C^{n}_{x}P^x(1-P)^{n-x}, \forall x \in \mathbb{N} \cup \{0\}}_{0\quad\quad,其他(otherwise)}$
P:成功的機率
二項式分配：當 n = 1 時是 bernoulli
## 機率函數
設x為離散型r.v.,則$f_x(x)=\{^{P(X=x),x\in R_x}_{0, x \not \in R_x}\quad$ R:range
* $R_x=\{x|x\in X(\omega),\forall \omega\in \Omega\}$
* $X:\Omega\to\mathbb{R}$
$f_{xy}(x,y)=\{^{P(X=x,Y=y),(x,y)\in R_{xy}}_{0\quad\quad,(x,y)\not\in R_{xy}}$
老師喜歡這樣表達：當你寫P()，你要在 () 中描述完整事件，所以要寫得像：P(Z<z)或f(x)...
* class P(Event);
* class f(var);
$f(z) \ne P(Z<z)$
$f(z)$ 是單點機率密度
$P(Z<z)$ 是事件機率
# Distribution
:::danger
只有 Possion, normal 分布有封閉性
:::
## Discreate
### Bernoulli distribution
$$P(x) = p^xq^{1-x}$$
$$
1. 進行一次成敗實驗，定義 x 表成功的次數
2. $R_x = \{0,1\}$
3. 母數：$0 \le P \le 1$
4. $X \sim Ber(p)$
### Binomial distribution
:::info
iid: 獨立且同樣集合，Independent and identically distributed
:::
:::success
**Definition**
在n個獨立的是/非試驗中成功的次數的離散機率分布，其中每次試驗的成功機率為p。其分佈即為二項分佈。
:::
$$P(x) = {n\choose m} p^x q^{n-x}$$
$$
1. Testing Bernoulli for n times
2. $Rx = \{x \in \mathbb{N}, x \lt n \}$
3. Bernomial Sigma additivity (可加性)
* $x, y \sim^{iid} B(P)$
4. 二項式分布式離散型的常態分佈
5. $E(x) = np$
6. $Var(x) = npq$
### Poisson distribution
有封閉性
$$P(x) ={e^{- \lambda } \lambda^x \over x!}$$
:::success
**Definition**
A discrete random variable X is said to have a Poisson distribution with parameter λ > 0, if, for x = 0, 1, 2, ..., the probability density function of X is given by:
$$P(x) ={e^{- \lambda } \lambda^x \over x!}$$
$$
:::
1. 在單位時間內，線段平面空間上連續操作，Poisson 過程
* Poisson must homogeneous and indepedent
2. $R = \{\mathbb{N}+0\}$
3. $\lambda$ 為發生偶發事件的期望次數
4. $\lambda = E(X) = Var(X)$
### Hyper Geometric
:::success
**Definition**
1. The result of each draw (the elements of the population being sampled) can be classified into one of two mutually exclusive categories.
2. The probability of a success changes on each draw, as each draw decreases the population.
:::
$${k \choose x}{N-k \choose n-x} \over {N \choose n}$$
$$
1. $E(x)=n{k \over N}$
2. 取後不放回抽 n 個，成功 k 次
3. $Var(x)=n({k \over N})(1-{k \over N})({N-n \over N-1})$
4. 修正因子：$(1-{N-n \over N-1})$ 因為因為他是 finite 所以前一次會影響下一次，(會縮小)，這稱作有限母體的修正因子。
5. $R_x = \{0、1、2 ... n\}$
---
## Continuous
### Normal
有封閉性
$$f(x) = {1 \over \sqrt{2 \pi} \sigma} e^{{-1 \over 2}({x- \mu \over \sigma})^2}$$
$$
::: success
**Definition**
將一連續變項之觀察值發生機率以圖呈現其分布情形，且具有以下特性：
以平均數為中線，構成左右對稱之單峰、鐘型曲線分布。
觀察值之範圍為負無限大至正無限大之間。
:::
1. $X \sim N(\mu, \sigma^2)$
2. 積起來很不好積，所以查表
* 因為每個常態分佈的 $\sigma, \mu$ 不同，查表怎麼查?
* 規定一個標準常態分布：$Z \sim N(0,1)$
* Standard Normal Probability Distribution
* $f(x) = {1 \over \sqrt{2 \pi}} e^{{-1 \over 2}x^2}$
3. Computing Probabilities for Any Normal
Probability Distribution
* 標準化
* $X \sim X(\mu, \sigma^2), Let {x-\mu \over \sigma} \sim N(0,1)$
4. 常態分配做線性變換，依舊是常態分配
* 注意平方->平移，變異數->|a|倍
* $E(\bar x) = \mu$
* $Var(\bar x) = {\sigma^2 \over n}$
5. 反標準化
* $Z \sim N(0,1)$
* Let $X = \sigma Z + \mu$
### Normal Approximation of Binomial Probabilities
* 葉氏連續性校正(Yates continuity correction)
用邊界 +- 0.5 去包住離散值
## Exponential probability distribution
$$f(x) = {1 \over \mu} e^{-x \over \mu}$$
$$
https://zh.wikipedia.org/zh-tw/%E6%8C%87%E6%95%B0%E5%88%86%E5%B8%83
:::success
令 τ 為 隨機變數 且其 機率密度(probability density) 滿足
$f_τ(t):=λ e^{−λt}, if\ t \ge 0;$
$f_τ(t):=0, if\ t \lt 0$
其中 λ>0 為常數。則我們說 τ 為 exponential distribution 或者說 τ 為 Exponential 隨機變數
:::
$E(x) = {\int}^{\infty}_0 x{1 \over \mu} e^{-x \over \mu} dx
=\sigma$
$Var(x) = \mu^2$
By part
公式：$P(x>x_0)=e^{-x_0 \over \mu}$
proof:
若某計次過程服從 poisson process $\iff$ 間格時間必服從指數分布
指數分布的 $\mu$ 跟 poisson 的 $\mu$ 互為倒數
注意單位，使用標準單位不容易錯
::: info
eg:
Poisson: ${e^{- \lambda } \lambda^x \over x!}$
$\iff$
Expnential: ${\lambda} e^{-y \lambda}$
:::
# Sampling and Sampling Distributions
## definition
樣本統計量的分配，稱為抽樣分配
## smapling
* 有限母體
* hypergeomttric, sampling w/o replacement, dependent
* 取後不放回
* 無限母體
* Binomonal, sampling w/ replacement, independent
## Statistical Inference 統計推測
* Estimatoin 估測
* Testing 檢定
我們主要想要估測三件事
平均數、標準差、百分比
我們說這是統計參數
eg: $X_1, X_2 ... X_n$
$\bar{x} = {1 \over n} \Sigma X$
$Var(\bar x) = Var( {1 \over n} \Sigma X) = {\sigma^2 \over n}$
## 點估計
重點： ==$\bar x$ 好用==
$x_1, x_2 ...X_n \sim^{iid} f_{x_i}(x_i, \theta)$
用 $\hat \theta$ 去推論母體參數 $\theta$
估計值跟估計量是不同的，估計量有無限多個
有 hat 是估計量
### 不偏性
$Bias({\bar \theta}) = E({\bar \theta}) - \theta = 0$
* 高估估計量
$Bias(\theta)>0 \iff E(\theta)>0$
* 不偏估計量
$Bias(\theta)=0 \iff E(\theta)=0$
* 低估估計量
$Bias(\theta)<0 \iff E(\theta)<0$
證明 $s^2-\sigma^2 =0$
$E(s^2) = E({1 \over (n-1)} \Sigma(x^2_i) - n{\bar x}^2)$
$= {1 \over (n-1)} (\Sigma(E(x^2_i))-nE({\bar x}^2))$
$= {1 \over (n-1)} (\Sigma(Var(x)+E^2(x))-nE({\bar x}^2))$
$= {1 \over (n-1)} (\Sigma(\sigma^2+\mu^2)-nE({\bar x}^2))$
$= {1 \over (n-1)} (\Sigma(\sigma^2+\mu^2)-n({\sigma^2 \over n}+\mu^2))$
$= {1 \over (n-1)} (n\sigma^2+n\mu^2-\sigma^2-n\mu^2)$
$= {1 \over (n-1)} (n\sigma^2-\sigma^2)$
$=\sigma^2$
倒著寫即可。
### 有效性 (efficiency)
有效性是以估計式的平均平方誤差來衡量, 越小代表估計式的有效性越高。
==sum of least squares==
[Wiki](https://en.wikipedia.org/wiki/Least_squares)
### 一致性 (consistency)
當樣本數增大時, 估計值會漸近於母體參數真值。
A **consistent estimator** is one for which, when the estimate is considered as a random variable indexed by the number n of items in the data set, **as n increases** the estimates **converge** in probability to the value that the estimator is designed to estimate.
## 區間估計
信賴區間（英語：Confidence interval，C.I）
$[L,U]$ 估計 $\theta$，在 $(1-\alpha)100\%$ 信心水準
信心水準 $(1-\alpha)100\%$ 越大表示：越大的信心區間 [L, U] 會包含真實的母體 $\theta$
==$(1-\alpha)$是中間面積==
$1-\alpha = P(L \lt \theta \lt U)$
### 樞紐量
Pivotal Quantity
樞紐量有
1. 隨機變數
2. 未知代估母數
https://en.wikipedia.org/wiki/Pivotal_quantity
>[name=wiki]A pivotal quantity or pivot is a function of observations and unobservable parameters such that the function's probability distribution does not depend on the unknown parameters.
:::success
通常是點估計量的 t 或 z 分配
:::
$x_1, x_2 ...x_n$ 與 $\theta$ 之函數組合
記為 $Q({\hat \theta_i}; \theta)$，且其機率分配不依賴於任何未知母數
(即，可完全被掌握)
$g(\hat \theta ,\theta) = \sqrt{n}\frac{\hat \theta - \theta}{s}$
#### 求 $\theta$ 之 $(1-\alpha)100$ 信賴區間
1. 找出適當估計量
2. 找出適當的樞紐量及其機率分配
* 點估計量的分配
3. $1-\alpha = P(L \lt \theta \lt U)$
* $1-\alpha = P({\hat \theta}-k{\sqrt n \over s} \lt g(\hat \theta ,\theta) \lt {\hat \theta}+k{\sqrt n \over s})$
* k 要查表
* Margin error: $E = {\sigma \over \sqrt n}{z_{\alpha \over 2}}$
為什麼 t 分配的自由度是 n-1?
> 因為t分配中的未知待估母數只有一個($\mu$)
> 因此未必自由度是 n-1
>
$\sigma$ 已知樞紐量是 z
查 t 表，如果自由度很大的時候，可以近似去查 z 表
### 變異數的區間估計
http://mail.tku.edu.tw/yinghaur/lee/stat-new/%E7%AC%AC%E5%8D%81%E7%AB%A0%E8%A3%9C%E5%85%85--%E7%B5%B1%E8%A8%88%E4%BC%B0%E8%A8%88(%E6%AF%8D%E9%AB%94%E8%AE%8A%E7%95%B0%E6%95%B8%E4%B9%8B%E5%8D%80%E9%96%93%E4%BC%B0%E8%A8%88).pdf
#### 信賴區間的意義
試驗 k 次，平均有 $1-\alpha$ 次，未知待估母數會落在該區間。
* 寫法：
* $0.95 = P({\bar x}-{\sigma \over \sqrt n}z_{\alpha \over 2} \le \mu \le {\bar x}+{\sigma \over \sqrt n}z_{\alpha \over 2})$
### 樣本比例的信賴區間
#### 單一母體樣本比例的區間估計
$X_1, X_2, ... X_n \sim^{iid} Ber(p)$
1. 點估計: $\hat p \Rightarrow p$
2. $\hat p \Rightarrow^a_{CLT} N(p, \sigma_{\hat p})$
* $z = {{\hat p - p} \over \sqrt{\hat p (1- \hat p) \over n}}$
* a 是漸近
* 根據中央極限定理漸近常態
3. $1-\alpha = P(|\hat p - p| \lt z_{\alpha \over 2}SE(\hat p))$
* SE = standard error
margin error = $z_{\alpha \over 2}\sqrt{\hat p(1- \hat p) \over n}$
## 假說檢定
* 讓樣本據說話
* 檢定力(power)，檢定力的大小，就是檢定的有效程度大小：
* eg:
* 左圖 power 大，右圖 power 小
* 
||有罪推論|無罪推論|
|----|---|---|
|H0|有罪|無罪|
|Ha|無罪(需負舉證責任)|有罪|
||H0|!H0|
|----|---|---|
|reject|$\alpha$ type one error|1-$\beta$|
|Do not reject|1-$\alpha$|$\beta$ type two error|
如果題目沒說 $\alpha$ 沒說，一般來說設 0.05
### p-value
**樣本觀察值的尾機率**
A p-value is a probability that provides a measure of the evidence againest the null hypothesis provided by the sample.
Smaller p-value indicate more evidence againest $H_0$.
>[name=魏丞偉]把檢定統計量的絕對值拿掉，假設是檢定統計量是x，|x| > a => x > a or x < -a，之後再查表找大於a，小於-a的尾巴機率，加起來就會是p-value。
### 假說檢定之三面等價法
1. 臨界值法
* Test statistic
2. p-value 法
* 樣本觀察值得尾機率
* 如果雙尾檢定。算兩邊機率
3. 區間估計法
* 從 $\bar x$ 出發，算信賴區間
> 結論必一致
>
## 母體變異數未知
自己算樣本變異數，所以使用 t 分配
* 假設母體常態
1. 假設 H0
2. $\alpha$
3. test statistic
* $T = {{\bar x - \mu_0} \over {s \over {\sqrt{n}}}} \sim t(n-1)$
## Definition of Student-T distribution
$T_\nu = {Z \over \sqrt{\chi^2 \over \nu}} \sim T$
$Z$ is a standard normal distribution
$\nu$ is the degree of freedom
$\chi^2$ is a Chi-square distribution
## 所需樣本數
單尾檢定
$\mu_0-{\sigma \over \sqrt{n}}\mathcal{z}_\alpha = \mu_a+{\sigma \over \sqrt{n}}\mathcal{z}_\beta$
> 左尾右尾可交換，所就用左尾檢定表示，算法相同。
>
因此，$n={\sigma^2(\mathcal{z}_\alpha+\mathcal{z}_\beta)^2 \over (\mu_0 - \mu_a)^2}$
注意這邊 $\alpha$ 值有可能因為雙尾檢定而除以 2
想像：用 $\alpha$ 算閾值的砍點跟用 $\beta$ 算肯定會一樣，而**根據這砍點，定義我的 $\alpha$ 要多少**
# 兩獨立母體之檢定
## Case I: 母體常態，$\sigma_1^2 , \sigma_2^2$ 皆已知
:::info
Recall: $\bar x_1 - \bar x_2 \to \mu_1 - \mu_2$
$a\bar x_1 - b\bar x_2 \sim N(a\mu_1 - b\mu_2, {(a\sigma_1)^2\over n_1} + {(b\sigma_2)^2\over n_2})$
同樣的 $Var(aX+bY)=a^2Var(X)+b^2Var(Y)+2ab \cdot Cov(X,Y)$
:::
然後依樣畫葫蘆，放變數進去
$\sigma = \sqrt{{(a\sigma_1)^2\over n_1} + {(b\sigma_2)^2\over n_2}}$ 我個人稱作 coSigma
### 技巧
在假說檢定上，需要有一個 const 放在右邊(待改進說法)，所以會盡量把變數放在左邊，做假說檢定。
:::success
$H_0: \mu_0 > \mu_1$
$\to \mu_0 - \mu_1 > 0$
:::
### 檢定力:
$power = 1- \beta$
## Case II: 母體常態，變異數皆未知
**==使用T分配==**
### 變異數相等(同質)
同質(Homogeneous)變異數假設：$\sigma_1 = \sigma_2$
$S_p^2 = \sigma^2 = {{(n_1 - 1)S_1^2+(n_2 - 1)S_2^2} \over {n_1 + n_2 - 2}}$
如此帶入
檢定統計數 $TS = {{(\bar x_1 - \bar x_2)-(\mu_1 - \mu_2)} \over \sqrt{S^2_p({1 \over n_1}+{1 \over n_2})}}$
自由度：$n_1 + n_2 - 2$
### 變異數相異
檢定統計數 $TS = {{(\bar x_1 - \bar x_2)-(\mu_1 - \mu_2)} \over \sqrt{{{s_1^2}\over n_1}+{{s_2^2}\over n_2}}}$
自由度為(取高斯整數)：
$df = {({{s_1^2 \over n_1}+{s_2^2 \over n_2}})^2 \over \sqrt{{1 \over n_1-1}{s_1^2 \over n_1}+{1 \over n_2-1}{s_2^2 \over n_2}}}$
# 兩相關常態母體之檢定
(成對樣本)相依母體
**Sample matched, pair!**
eg: 實驗組、對照組
$Sample \ size: n$
$d_k = {x_1}_k - {x_2}_k$
${\Sigma d_k \over n}= \bar D$
$S_D^2 = \Sigma(d_i- \bar D)^2$
$H_0: \mu_D = C$
### 服從 T 分配
$T = {{\bar D - \mu_D} \over {S_D \over \sqrt{n}}} \sim T(n-1)$
# 兩獨立母體比例之檢定
$\bar p_1 - \bar p_2 \sim N(p_1-p_2, {p_1q_1 \over n_1}+{p_2q_2 \over n_2})$
因為沒有 $p_1 \ p_2$ 所以變異數使用 ${\bar p_1}$ & ${\bar p_2}$ 代替
$if \ \ \ \ H_0:(p_1 = p_2 = p)$
> $p = {{n_1 \bar p_1 + n_2 \bar p_2} \over {n_1 + n_2}}$
>
> $\sigma = \sqrt{pq({1 \over n_1}+{1 \over n_1})}$
>
# 母體變異數之檢定
Chi-Square symbol: ${\chi}^2$
推導：
$s^2 = {1 \over n-1}\Sigma(x_i- \bar x)^2$
$\Rightarrow (n-1) s^2 = \Sigma(x_i- \bar x)^2$
$\Rightarrow {(n-1) s^2 \over \sigma^2} = {\Sigma(x_i- \bar x)^2 \over \sigma^2} = (Z^2_1+Z^2_2+Z^2_3+ ... +Z^2_n)\sim {\chi}^2_{(n-1)}$
:::warning
Chi-square doesn't closed!!
$c \cdot {\chi}^2 \notin {\chi}^2, \forall c \in R$
---
$E(\chi^2) = df$
卡方變數之期望值＝自由度
$Var(\chi^2) = 2df$
卡方變數之變異數＝兩倍自由度
:::
檢定統計數：
$TS = {(n-1)s^2 \over \sigma^2_0} \sim {\chi}^2_{(n-1)}$
because
$\chi^2_{1-{\alpha \over 2}} \le TS \le \chi^2_{\alpha \over 2}$
$\Rightarrow {(n-1)s^2 \over \chi^2_{\alpha \over 2}} \le \sigma^2 \le {(n-1)s^2 \over \chi^2_{1-{\alpha \over 2}}}$
移項而已
Then we can say $\sigma$ has {$1-\alpha$}% confidence in this intervel!
## 兩獨立母體變異數檢定
==**F-distribation**==
:::danger
必要條件：
1. independent
2. two Normal populations
3. equal variances
:::
### F distribution
$X \sim F({df}_1, {df}_2)$
${df}_1 = n_1 - 1$
${df}_2 = n_2 - 1$
一個F-分布的隨機變數是兩個卡方分布變數除以自由度的比率：
${U_1/d_1 \over U_2/d_2} = {U_1/U_2 \over d_1/d_2}$
其中，$U_1 \sim \chi^2_1, U_2 \sim \chi^2_2$彼此獨立，自由度為 $d_1, d_2$
檢定統計數：
$TS = {s^2_1 \over s^2_2}$
標準差較大的放上面
可以保證出來的檢定統計數，是在右尾
# 比較多母體比率
## 多母體比率相等之檢定
卡方分配(chi-square distridution)
檢定統計數：
$\chi^2 = \Sigma_i\Sigma_j{(f_{ij}-e_{ij})^2 \over e_{ij}} \sim \chi^2_{(r-1)(c-1)}$
$f_{ij}$ = reality value
$e_{ij}$ = expected value, $H_0$, ==$\forall e_{ij} \ge 5$==
$r$ = number of rows
$c$ = number of columns
#### Reject rule
1. p-value approach: Reject $H_0$ if p-value $\le \alpha$
2. Critical value: Reject $H_0$ if $\chi^2 \ge \chi^2_\alpha$
### Critical values for the marascuilo pairwise comparison procedure for k population proportions
$CV_{ij} = \sqrt{\chi^2_{\alpha}}\sqrt{{\bar p_i \bar q_i \over n_i}+{\bar p_j \bar q_j \over n_j}}$
where
$\chi^2_\alpha$ with a level of significance $\alpha$ and $k \ – 1$ degrees of freedom
$\bar p_i$ and $\bar p_j$ are the proportions for the populations $i$, $j$
$n_i$ and $n_j$ are the sample size of populations $i$, $j$
:::info
Reject or significant if:
$|{\bar p_i - \bar p_j}| \gt CV_{ij}$
:::
### Test of independence
use preverious formula to judge whether the $\chi^2$ is siginificance.
$H_0$: Assumes that there is no association between the two variables.
$H_a$: Assumes that there is an **association** between the two variables.
### Goodness of Fit test
適合度
檢定統計數：
$\chi^2_{(k-1)} = \Sigma^k_{i=1}{(f_i - e_i)^2 \over e_i}$
$f_i$ is the reality value
$e_i$ is the expected value, $\forall e_i \ge 5$
$k$ is the number of categories
### Test for is Normal distribution?
Use **Goodness of fit test** to test whether it is normal distribution.
:::success
$n$ divided by 5 in to ${\lfloor}{n \over 5}{\rfloor}$ slice.
:::
each slice is the $e_i$
And test it's $\chi^2_{({\lfloor}{n \over 5}{\rfloor} -3)}$
:::info
Why -3?
---
beacuse the degree of freedom is $k - p -1$
$p$ is the **number of parameters** of the **distribution** estimated by the sample.
And the **Normal** distribution has 2 parameters.
Hence $k-p-1 = k-3$
:::
Sign in with Wallet
Connect another wallet