[논문 리뷰] New weighted $L^2$-type tests for the inverse Gaussian distribution

James Allison, Steffen Betsch외 2명|arXiv (Cornell University)|2019. 10. 30.

Statistical Distribution Estimation and Applications참고 문헌 28인용 수 5

한 줄 요약

이 논문은 역가우시안 분포에 대한 새로운 종류의 가중 $L^2$-형 적합도 검정을 제안한다. 이 검정은 분포를 함수방정식과 연결하는 스텐형 특성화에 기반하며, 양변의 경험적 추정치를 사용하여 가중 $L^2$-거리의 차이를 측정하고, 임계값은 매개변수 부트스트랩을 통해 산정한다. 이로써 점근적 타당성과 일致성 확보가 가능하다. 시뮬레이션 연구에서 다양한 대안 분포에 대해 뛰어난 검정력과 기존의 고전적 및 최신 검정들을 능가하는 성능을 보였다.

ABSTRACT

We propose a new class of goodness-of-fit tests for the inverse Gaussian distribution. The proposed tests are weighted $L^2$-type tests depending on a tuning parameter. We develop the asymptotic theory under the null hypothesis and under a broad class of alternative distributions. These results are used to show that the parametric bootstrap procedure, which we employ to implement the test, is asymptotically valid and that the whole test procedure is consistent. A comparative simulation study for finite sample sizes shows that the new procedure is competitive to classical and recent tests, outperforming these other methods almost uniformly over a large set of alternative distributions. The use of the newly proposed test is illustrated with two observed data sets.

연구 동기 및 목표

• 기존 방법보다 더 높은 검정력을 갖춘 역가우시안 분포에 대한 새로운 종류의 적합도 검정을 개발하는 것.
• 최근에 확립된 역가우시안 분포의 스텐형 특성화를 활용하여 기능방정식에 기반한 새로운 검정통계량을 구성하는 것.
• 매개변수 부트스트랩 절차가 귀무가설 하에서 명목 수준을 유지함을 증명함으로써 검정의 점근적 타당성을 확보하는 것.
• 광범위한 시뮬레이션 연구를 통해 연속 대안 하에서 검정의 일치성과 유한 표본 성능을 입증하는 것.
• 신뢰성 공학 및 기상학 분야의 실제 데이터에 응용하여 검정의 실용적 유용성을 제시하는 것.

제안 방법

• 검정은 역가우시안 분포의 스텐형 특성화에서 유도된 함수방정식에 기반하며, 특히 논문의 식 (3)에서 제시된 바와 같이 누적분포함수를 랜덤 변수와 그 역수를 포함한 기대값과 연결한다.
• 검정통계량은 특성화 방정식의 좌변 경험적 버전과 우변의 경험적 분포함수 사이의 가중 $L^2$-거리로 정의된다.
• 가중함수의 조정 파rameter $a$는 다양한 대안 분포를 탐지하는 데 유연성을 제공하며, 그 선택이 검정력에 미치는 영향은 제한적임을 보여준다.
• 임계값 산정을 위해 매개변수 부트스트랩을 사용하여 귀무가설 하에서 검정의 점근적 타당성을 확보한다.
• 귀무가설과 넓은 범위의 연속 대안 하에서 점근적 이론을 개발하여 검정의 일치성을 뒷받침한다.
• 최대우도추정법과 모멘트추정법을 사용하여 검정 절차에서 역가우시안 분포의 모수 $\mu$와 $\lambda$를 추정한다.

실험 결과

연구 질문

• RQ1 스텐형 특성화를 활용하여 역가우시안 분포에 대한 새로운 종류의 $L^2$-형 적합도 검정을 구성할 수 있는가?
• RQ2 매개변수 부트스트랩을 사용할 경우, 유한 표본 크기에서 검정의 명목 수준이 유지되는가?
• RQ3 제안된 검정의 검정력은 다양한 대안 분포에 대해 기존의 고전적 및 최신 적합도 검정들과 비교하여 어떻게 되는가?
• RQ4 연속 대안 하에서 검정은 일치하는가? 그리고 부트스트랩 절차는 점근적 타당성을 유지하는가?
• RQ5 실제 데이터 응용에서 기존 방법보다 역가우시안 분포에서의 이탈을 더 효과적으로 탐지할 수 있는가?

주요 결과

• 제안된 검정은 포괄적인 대안 분포 세트에 걸쳐 모든 경쟁 기존 고전적 및 최신 적합도 검정들을 능가하는 검정력을 보이며, 오직 하나의 경우에서만 크라머-빈 마이즈 앤더슨 검정이 略로 높은 검정력을 보였다.
• 매개변수 부트스트랩 절차는 점근적으로 타당하며, 귀무가설 하에서 명목 수준을 유지한다. 시뮬레이션 결과는 중간 표본 크기($n = 30$)에서도 양호한 수준 유지 성능을 확인하였다.
• 검정은 연속 대안 하에서 일치하며, 표본 크기가 증가함에 따라 역가우시안 분포에서의 국소적 이탈을 탐지할 수 있음을 확인하였다.
• 첫 번째 실데이터 예시(신뢰성 데이터)에서 신규 검정은 귀무가설을 기각하지 않았으며, 이는 이전 연구 결과와 일치하며 역가우시안 가정을 지지하는 바이다.
• 두 번째 실데이터 예시(강수량 데이터)에서는 신규 검정의 $p$-값이 기존 검정들보다 상당히 낮게 나와 10% 수준에서 귀무가설을 기각하게 되었으며, 이는 데이터가 역가우시안 분포를 따르지 않을 가능성을 시사한다.
• 검정 성능은 조정 파rameter $a$의 선택에 상대적으로 민감하지 않아 다양한 가중함수에 대해 안정성을 보였다.