[논문 리뷰] Skewness and kurtosis as locally best invariant tests of normality

Akimichi Takemura, Muneya Matsui외 1명|ArXiv.org|2006. 08. 20.

Probability and Risk Models참고 문헌 18인용 수 3

한 줄 요약

이 논문은 미묘한 규칙성 조건 하에서 표본의 왜도와 중첨도가 정규성에 대한 국소적으로 최적의 불변(LOC) 검정임을 입증하며, 비대칭 대립가설에 대해서는 왜도가 최적이고 대칭 대립가설에 대해서는 중첨도가 최적임을 보여준다. 이 결과는 정규 혼합분포, 무한히 나누어지는 분포, 그리고 정규 조건이 성립하지 않는 비정규 케이스(예: 안정 분포 가족)로 확장되어, 모멘트 기반 정규성 검정에 대한 통합된 이론적 기반을 제공한다.

ABSTRACT

Consider testing normality against a one-parameter family of univariate distributions containing the normal distribution as the boundary, e.g., the family of $t$-distributions or an infinitely divisible family with finite variance. We prove that under mild regularity conditions, the sample skewness is the locally best invariant (LBI) test of normality against a wide class of asymmetric families and the kurtosis is the LBI test against symmetric families. We also discuss non-regular cases such as testing normality against the stable family and some related results in the multivariate cases.

연구 동기 및 목표

• 1935년 E.S. 피어슨이 제기한 추측을 공식적으로 증명하는 것: 즉, 모멘트 기반 검정(왜도 및 중첨도)이 정규성에서의 작은 이탈을 탐지하는 데 최적임을 입증하는 것.
• 정규분포가 경계에 해당하는 일변량 가족의 일반적인 규칙성 조건 하에서 표본 왜도와 중첨도의 국소적으로 최적의 불변(LBI) 성질을 수립하는 것.
• 표준 규칙성 조건이 성립하지 않는 비정규 케이스(예: 안정 분포 가족)에 대한 LBI 프레임워크를 확장하고, 다양한 불변군을 가진 다변량 설정으로의 응용을 다루는 것.
• 피어슨(1961)과 하제크 & 셰다크의 기존 결과를 통합하고 명확화하여, 일관된 이론적 틀 안에 놓는 것.

제안 방법

• 위치-척도 변환에 대한 최대 불변 통계량의 우도비를 유도하며, 위즈먼(1967, 1990) 및 하제크 & 셰다크(1967)의 결과를 활용한다.
• θ=0이 표준 정규분포에 해당하는 위치-척도 밀도의 일변량 가족에 LBI 프레임워크를 적용한다.
• 표본 크기가 크기 위한 경우, LBI 검정 통계량의 渐近적 행동을 분석하기 위해 라플라스 근사법을 사용한다.
• LBI 검정 통계량이 표본 모멘트의 선형 조합으로 축소됨을 입증하며, 이로써 비대칭 대립가설에 대해 왜도, 대칭 대립가설에 대해 중첨도가 최적의 검정 통계량으로 나타남을 보인다.
• 규칙성 조건이 실패하는 비정규 케이스(예: 안정 분포 가족)를 분석하고, 기능적 자유도 덕분에 대안 가족을 구성할 수 있음을 보여준다.
• 다변량 정규성 검정으로 결과를 확장하며, 일반선형군과 삼각행렬군에 따른 불변성의 차이를 구분하고, 한쪽 방향 대립가설에 대한 함의를 논의한다.

실험 결과

연구 질문

• RQ1 일변량 가족에서 비대칭 이탈을 탐지하기 위해 표본 왜도가 국소적으로 최적의 불변 검정인지 여쭙는다.
• RQ2 일변량 가족에서 대칭적이고 꼬리가 두꺼운 이탈을 탐지하기 위해 표본 중첨도가 국소적으로 최적의 불변 검정인지 여쭙는다.
• RQ3 정규 혼합모형 및 유한 분산을 가진 무한히 나누어지는 분포를 포함하는 가족에서, 왜도와 중첨도의 LBI 성질이 일반적인 규칙성 조건 하에 공식적으로 입증될 수 있는가?
• RQ4 표준 규칙성 조건이 실패하는 비정규 가족(예: 안정 분포)에 대해 LBI 결과는 어떻게 확장되는가?
• RQ5 다변량 정규성 검정에서 다양한 불변군(예: 일반선형군 대비 삼각행렬군)의 선택이 어떤 함의를 갖는가?

주요 결과

• 표본 왜도는 일변량 비대칭 일변량 가족의 광범위한 클래스에 대해 정규성에 대한 국소적으로 최적의 불변 검정이다.
• 표본 중첨도는 정규성에 대해 대칭적 이탈(예: 더 두꺼운 꼬리 포함)을 탐지하기 위한 국소적으로 최적의 불변 검정이다.
• 정규 혼합모형과 유한 분산이 있는 무한히 나누어지는 분포에 대해서도 LBI 성질이 성립하며, 이는 이러한 설정에서 모멘트 기반 검정의 최적성을 확인한다.
• 안정 분포 가족의 경우 규칙성 조건이 실패하지만, 기능적 자유도 덕분에 LBI 프레임워크가 여전히 적용 가능하며, 대안 가족을 구성할 수 있음을 보여준다.
• 다변량 설정에서는 불변군의 선택(일반선형군 대비 삼각행렬군)에 따라 다른 LBI 검정이 도출되며, 삼각행렬군은 한쪽 방향 대립가설을 유지한다.
• 큰 표본 크기 n에 대해 LBI 검정 통계량은 라플라스 방법을 통해 근사화되며, 이로써 최적의 검정이 표본 모멘트의 선형 조합과 渐近적으로 동치임을 보여준다.