Neparametrické testy nezávislosti

Abstract

The main objective of this thesis is the presentation regarding the problem of testing independence between two random variables in the nonparametric model of continuous cumulative distribution functions. Firstly, the reader is informed with basic notions from the theory of independence and rank tests. Afterwards, few of the most common methods for testing independence are introduced. In the beginning, the test based on Pearson's correlation coefficient is mentioned as a representative for parametric tests, then we continue with nonparametric tests, such as test based on Spearman's, Kendall's and distance correlation coefficient. We focus in better detail on Hoeffding's test of independence, which results to be consistent against all alternatives in the model of continuous cumulative distribution functions. In the end, we compare and evaluate presented methods for testing independence using simulations in R environment.

Cieľom tejto bakalárskej práce je prezentovať problém testovania nezávislosti dvoch náhodných veličín v neparametrickom modeli spojitých distribučných funkcií. Čitateľ sa najskôr oboznámi so základnými pojmami z teórie nezávislosti a z oblasti testov založených na poradí. Ďalej je predstavených pár najbežnejších metód na testovanie nezávislosti. Na začiatku je spomenutý jeden zástupca parametrických metód: test na základe Pearsonovho korelačného koeficientu, ďalej sa venujeme neparametrickým testom: testu založenom na Spearmanovom korelačnom koeficiente, Kendallovom korelačnom koeficiente a korelácii vzdialenosti. Podrobnejšie sme sa zamerali na Hoeffdingov test nezávislosti, ktorý je konzistentný voči všetkým alternatívam v modeli spojitých distribučných funkcií. Na záver sú pomocou simulácií v prostredí R porovnané jednotlivé štatistické metódy na testovanie nezávislosti.