О больших уклонениях сглаженных статистик Колмогорова-Смирнова Текст научной статьи по специальности «Математика»

О БОЛЬШИХ УКЛОНЕНИЯХ

СГЛАЖЕННЫХ СТАТИСТИК КОЛМОГОРОВА-СМИРНОВА*

Ю. О. Буторина1, Я. Ю. Никитин2

1. С.-Петербургский государственный университет, студентка, yu_butorina@mail.ru

2. С.-Петербургский государственный университет, д-р физ.-мат. наук, профессор, yanikit47@mail.ru

1. Введение. Пусть Х1,..., Хп — выборка из независимых наблюдений с непрерывной функцией распределения (ф.р.) О(х). Классическими задачами математической статистики являются задачи проверки гипотез согласия и симметрии для распределения исходной выборки. В первом случае для некоторой полностью известной ф.р. Р мы проверяем гипотезу согласия Но : О(х) = Р(х) для всех х против альтернативы о том, что О(х) = Р(х) для хотя бы одного х. Во втором случае проверяется гипотеза сим-

том, что это равенство нарушается хотя бы в одной точке.

Хорошо известными свободными от распределения статистиками для проверки этих гипотез являются соответственно статистика Колмогорова Пп = зиржек \Рп(х) — Р(х)| и статистика Смирнова 1п = зиржек \Рп(х) + Рп(—х) — 1\, где Рп(х) —обычная эмпирическая ф.р. (э.ф.р.) Свойства этих статистик хорошо изучены, см., например, [1, 2].

Если же нам известно, что выборка имеет абсолютно непрерывную ф.р. Р с плотностью то естественно рассмотреть в качестве аппроксимации Р не ступенчатую функцию Рп, а ее непрерывный, сглаженный вариант.

Сглаженной э.ф.р. принято называть функцию

где К — непрерывная ф.р., называемая ядром, а последовательность Нп такова, что Ьп ^ 0 и пНп ^ ж при п ^ ж; Нп называется шириной окна. В остальном К и Нп произвольны и предоставляются на выбор статистика. Такие сглаженные, или ядерные э.ф.р. можно рассматривать как проинтегрированные ядерные оценки плотности.

Ядерные оценки ф.р. начали изучаться Надарая в 60-х годах прошлого века. В [3] для ¥'п(х) был доказан аналог теоремы Гливенко—Кантелли. Различные асимптотические свойства Рп изучались также в [4-8]. Известно, что сглаженная э.ф.р. превосходит обычную э.ф.р. по средней квадратичной ошибке, а в [9] и [10] доказано преимущество сглаженных э.ф.р. с точки зрения асимптотического дефекта по Ходжесу—Леману. Поэтому от статистик, основанных на сглаженной э.ф.р., можно ожидать лучшего в каком-либо смысле асимптотического поведения, чем от классических.

* Работа выполнена при финансовой поддержке РФФИ (грант № 10-01-00154^) и Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» (грант №20101.1-111-128-033).

© Ю. О. Буторина, Я. Ю. Никитин, 2011

метрии относительно нуля Но : О(х) + О(-х) = 1 для всех х против альтернативы о

В данной работе мы рассматриваем сглаженные варианты статистик Колмогорова и Смирнова

и вычисляем для них грубые асимптотики вероятностей больших уклонений. Мы доказываем, что эти асимптотики совпадают с классическими асимптотиками для статистик Колмогорова и Смирнова [11, 12, 2]. Результат согласуется с общими результатами о больших уклонениях в [13].

Из этого и теоремы типа Гливенко—Кантелли вытекает, что бахадуровская эффективность сглаженных статистик колмогоровского типа Iп и 1п, такая же как у классических, см. [12, 2]. Можно ожидать, что различие в эффективности снова проявляется на более тонком уровне, а именно на уровне бахадуровского асимптотического дефекта.

2. Сглаженная статистика Колмогорова. Пусть 0 < х, X < 1. Рассмотрим функции

Мы будем рассматривать статистику Вп и ее односторонние варианты В + и Вп . Свободы от распределения у таких статистик уже нет. Покажем, что грубые асимпто-

Отличие нашего доказательства от [11, 12] заключается в том, что производящая функция моментов, появляющаяся в процессе рассуждений, зависит в нашем случае и от ядра К, и от ширины окна Нп. Мы преодолеваем это препятствие, используя теорему Плахки—Штейнебаха [14]. В классическом случае такой зависимости нет, что позволяет воспользоваться более простой теоремой Чернова. Наш результат состоит в следующем.

Теорема 2. При справедливости гипотезы Но и X > 0

Ьп = вир \Рп(х) - ¥(х)\

и

1 п = вир \Рп(х) + Рп{-х) — 1\

д(Х) = М I (х,Х).

же [0,1]

Из [11] известно, что д — непрерывная функция. Хорошо известен следующий результат [11, 12].

Теорема 1. При справедливости гипотезы Но

Ііт п 11пР(Вп > X) = -д(Х).

п—

тики вероятностей больших уклонений Вп и Вп при нулевой гипотезе совпадают.

Ііт п 11п Р(Вп > X) = Ііт п 11п Р(Вп > X) = -д(Х).

п—

п—

Оценка снизу. Зафиксируем произвольный х. Пусть

- і V V ^п

г=1 4 4

¥(х) - X

liminf n 1 lnP+(X) > sup lim n 1 lnP(Vn(x,X) > 0). (1)

п—ж x£R n—<x,

Рассмотрим производящую функцию моментов величины nVn (x, X): mn(t, x, X) = EetnVn(x,x) = Eexp

"Г ..... j <-:|i (ll, (-77^ j j ( ) <O0, V(6R.

Далее,

1

n * ln mn(t,x,X) = -t(F(x) + X)+

iii (/ exp (tK (~Y^y) f(y}dy + J exp {*K (~h~~ ) ) f(y)dy

c(t, x, X) = —t(F(x) + X) + ln (etF(x) + 1 — F(x)) , 'it G R.

Тогда по теореме Плахки—Штейнебаха [14]

lim n-1 lnP(Vn(x, X) > 0) = inf c(t, x, X) -

ln

t>0

F(x) \F{x)+X f 1 — F(x) \1-F(x)-X

■= —q(x, X).

yF (x)+X J \1 — F (x) — X,

Поэтому при любом фиксированном x

P(Vn(x,X) > 0) = exp (—nq(x, X)+o(x,n)) , n ^ж. (2)

Величина o(x, n) может зависеть от x, но при любом x справедливо соотношение lim o(x,n)/n = 0. Это значит, что для любого е > 0 найдется такое натуральное

n—— Ж

Nx, что если n > Nx, то \o(x,n)/n\ < е.

Далее, в силу (1) по непрерывности F получаем

liminf n-1 lnP+ (X) > sup (—q(x, X)) = — inf q(x, X) = —g(X). (3)

n—x£R x£R

Оценка сверху. Пусть к — достаточно большое натуральное число. Рассмотрим разбиение отрезка [0,1] точками вида i/к, i = 0,к. Точки tj = ¥_1(*//г) (при обычном определении обратной функции) разбивают всю вещественную прямую R. Ясно, что при 1 < i < к

i — 1

(X) — t'[X) ' ' ' ' ’ 1 .....

ma^ jFn(x) — F(x) \ t— < x < t^ < Fn (ti)

к

Пусть T^k = Fn (ti) — (i — 1)/к. Тогда < тах4=у-д:Т^’к. Значит, в силу асимптотиче-16

ского соотношения (2) при A > О имеем

Р+(А) < Р (тахТ^к >\)< ]ГР (Т^к > Л) <

/ i=1

< к max Р (Vn (ti, А — k~r) > О) <

і=1,к

< к exp I — n min q (ti, А — к_1) + о (і/к, n) I <

\ i=l,k J

К k exp (—ninf q(x,A — k-1) + o*(n)^J .

В последней экспоненте остаточный член о*(п) определяется самой быстро растущей из к последовательностей о(г/к, п) из (2), но он растет медленнее п в силу конечности к. Если мы возьмем Ж* = тах4=^-д; то при п > Ж* будет выполняться |о*(п)/п| < е.

Логарифмируя, деля на п и переходя к пределу, получаем

Ишвир п-11п Р+ (X) < —д (X — к-1) .

п—

Устремляя к ^ж, получаем ввиду непрерывности д

Ишвирп-11пР+(Х) <—д(Х). (4)

п—

Собирая (3) и (4), окончательно получаем

Иш п-11пР(1+ > Х) = —д(Х). (5)

П—>-оо

Для статистики Вп = вир(¥(х) — ¥п(х)) рассуждения аналогичны и получается тот же результат, что в (5). Поскольку

Рф+ > X) < Рфп > X) < 2тах{Р(ф+ > Х),Рф- > X)},

верно и

Ііт п-11пР(фп > X) = —д(X).

п—

□

3. Сглаженная статистика Смирнова. Большие уклонения статистики Смирнова Іп = виржЄк \¥п(х) + ¥п(—х) — 1\ изучались в [15] и [2]. Соответствующий результат выглядит так:

Теорема 3. При справедливости гипотезы симметрии Но и 0 < X < 1

Ііт п-11пР(Іп > X) = —д(X), где

д(А) = 1(1 + А) 1п(1 + А) + 1(1 - А) 1п(1 - А).

Мы рассмотрим сглаженную статистику Іп и покажем, что для нее справедлив такой же результат.

Теорема 4. При справедливости гипотезы Н(

o

lim n ln P(In У A) = lim n ln P(In У A) = —g(A).

n

Доказательство. Оно частично повторяет рассуждения для Вп. Снова рассмотрим 1+ = 8ир(К(х) + Рп(—х) — 1) и пусть Р+(Х) := Р(1+ > X).

n

x

Оценка снизу. Зафиксируем произвольный x. Пусть

n

Vn(x, А) = Fn(x) + Fn(-x) -1-А = п-1у(к( +К[ ^ ) - 1 - А ) .

1

Аналогично (1) получаем

liminf n-1 lnF>+(X) > sup lim n-1 lnP(Vn(x,X) > 0). (6)

n—tt x£R n—tt

Рассмотрим производящую функцию моментов величины nVn (x, X): mn(t, x, X) = Eexp (tnVn(x, X^ =

= (:~,(w4/w(tRi^)+tRi^))Hv)dv) <o°- vt€K-

Не умаляя общности, можно считать x > 0. Разбивая интегрирование по всей оси на три области: (—ж, —x), [—x,x) и [x, ж), получаем, переходя к пределу и используя симметрию F, что при всех t G R

lim n 1 ln mn(t, x, X) = c(t, z, X) = —t(1 + X) + ln (e2tz + e^ — 2z) + z)),

n—

где для краткости обозначено z = F(—x). Обозначим также

q(z, X) = in0 c(t, z, X), h(X) = sup{>(z, X)\0 < z < 1/2}.

Функция c(t,z,X) монотонна по z, поэтому sup{>(z, X)\0 < z < 1/2} достигается при z =1/2 для любого X. Отсюда следует, что h(X) = —g(X).

Снова по теореме Плахки—Штейнебаха [14]

lim n-1 lnP(Vn(x, X) > 0) = inf c(t, z, X) = q(z, X).

n—t>0

Значит, в силу (6)

liminf n-1 lnP+ (X) > sup{q(z, X)\0 < z < 1/2} = —g(X). (7)

n——tt

Оценка сверху. Пусть k — большое натуральное четное число. Рассмотрим разбиение отрезка [1/2,1] точками вида i/k, i = k/2,k. Точки ti = ¥_1(*//г) разбивают положительную полуось. Ясно, что

max | Fn(x) + Fri ( x) — 1 ti-1 < x < ti| < Fn (ti) + Fn (—ti-1) — 1.

Пусть T$k = Fn(ti) + Fn(-ti-1) - 1. Тогда /+ < max.=j^f^k.

n

n

Заметим, что Ь—1 = Г 1 (Г(^) — 1/к). Введем теперь для произвольного х > 0 случайную функцию

У*(х, X, к) = Гп(х) + Рп (—Г-1 (Г(х) — к-1)) — 1 — X,

тогда Т,р — X = У* (и, X, к).

Рассмотрим производящую функцию моментов т>п(Ь,х^,к) = Еехр(пЬУ* (х, X,k)). Вычисления, аналогичные тем, что были при оценке снизу, дают

Иш п-11п тп (Ь, х, X, к) = с*(Ь, х, X, к) :=

п—>-оо

■= —t(1 + X) + ln

-,2t

1 - F(x) + - I + eM 2F(x) - 1 - - I + 1 - F(x)

Определим далее q*(x, X, к) = — inf c*(t, x, X, к). При фиксированном x

P(V* (x, X, к) > 0) = exp (—nq*(x, X, к) + o(x, n)) , n ^ ж, где o(x, n)/n ^ 0, n ^ ж. Тогда

P+(А) < P ( ma> a] < J2 P (fnk > A) <

г=Ц +1

< 77 ( max P(V* (tj,X,k) > 0) ) < ^ \i=|+i,fc

< — exp ( — n min q* (ti, A, к) + o(i/k, n) | < ' -i,fc /

< — exp (—n inf q* (x, А, к) + о* (n)4) .

2x

Логарифмируя, умножая на n 1 и переходя к пределу, получаем

lim n-1 ln P+(X) < — inf q*(x,X,h).

n—tt x>0

Но по тем же соображениям, что и выше,

inf q* (x, X, к) = q* (0, X, к) = g* (X, к),

x0

где

g*(X, к) = t*(1 + X) — ln

-Wr + 2(l-A2)(i + i)

4 2(l-A)(i + i)

Снова переходя к пределу, получаем

g*(X, к) ---► 1(1 + A) ln - In T^T = 9^

k—tt 2 1 — X 1 — X

а

lim n-1 lnP+(X) <-g(X). (8)

n—►tt

Окончательно из (7) и (8) получаем, что

lim n-1 lnP(i+ > X) = —g(X).

n—— tt

Как и в теореме 2, этот результат переносится на I-, а затем и на In. □

Литература

1. Shorack G., Wellner J. Empirical Processes with Applications in Statistics. New York: Wiley, 1986. 938 с.

2. Никитин Я. Ю. Асимптотическая эффективность непараметрических критериев. М.: Наука, 1995. 240 с.

3. Надарая Э. А. Некоторые новые оценки функций распределения // Теория вероятн. и ее примен. 1964. Т. 9. С. 550-554.

4. Azzalini A. A note on the estimation of a distribution function and quantiles by a kernel method // Biometrika. 1981. Vol. 68. P. 326-328.

5. Bowman A., Hall P., Prvan T. Bandwidth selection for the smoothing of distribution functions // Biometrika. 1998. Vol. 85. P. 799-808.

6. Singh R. S., Gasser T., Prasad B. Nonparametric estimates of distribution functions // Comm. Statist. Theor. Meth. 1983. Vol. 12. P. 2095-2108.

7. Swanepoel J. W. H., Van Graan F. C. A new kernel distribution function estimator based on

a non-parametric transformation of the data // Scand. J. Stat. 2005. Vol. 32. P. 551-562.

8. Watson G. S., Leadbetter M. R. Hazard analysis. II // Sankhya, 1964. Vol. A26. P. 101-116.

9. Falk M. Relative efficiency and deficiency of kernel type estimators of smooth distribution functions // Statistica Neerl. 1983. Vol. 37. P. 73-83.

10. Reiss R. D. Nonparametric estimation of smooth distribution functions // Scand. J. Statist. 1981. Vol. 8. P. 116-119.

11. Abrahamson I. G. Exact Bahadur efficiencies for the Kolmogorov—Smirnov and Kuiper one —

and two sample statistics // Ann. Mathem. Statist. 1967. Vol. 38. P. 1475-1490.

12. Bahadur R. R. Some Limit Theorems in Statistics. SIAM: Philadelphia, 1971, 42 с.

13. Shikimi Т. Large deviations for kernel-type empirical distributions // Stat. Probab. Lett. 2002. Vol. 59. P. 23-28.

14. Plachky D., Steinebach J. A Theorem about Probabilities of Large Deviations with an Application to Queueing Theory // Period. Mathem. Hungar. 1975. Vol. 6. P. 343-345.

15. Chatterjee S. K., Sen P. K. On Kolmogorov—Smirnov’s type tests for symmetry // Ann. Inst. Statist. Mathem. 1973. Vol. 25. P. 287-300.

Статья поступила в редакцию 21 декабря 2010 г.