Mnohorozměrné testy dobré shody

Abstract

V této práci si představíme, implementujeme a porovnáme několik mnohorozměrných testů dobré shody. Nejprve se budeme zabývat univerzálními mnohorozměrnými testy, které nekladou žádné předpoklady na parametrickou rodinu rozdělení za nulové hypotézy. Poté se zaměříme na testování mnohorozměrné normality a pomocí Monte Carlo simulací em- piricky porovnáme síly pěti testů dvojrozměrné normality proti různým alternativám. Dále popíšeme mnohorozměrné šikmé normální rozdělení a představíme nový test mnohorozměrné šikmé normality založený na empi- rických momentových generujících funkcích. Nakonec porovnáme sílu tohoto testu s ostatními existujícími testy dobré shody pro mnohorozměrné šikmé normální rozdělení. 1

In this thesis we introduce, implement and compare several multivariate goodness-of-fit tests. First of all, we will focus on universal mul- tivariate tests that do not place any assumptions on parametric families of null distributions. Thereafter, we will be concerned with testing of multi- variate normality and, by using Monte Carlo simulations, we will compare power of five different tests of bivariate normality against several alternati- ves. Then we describe multivariate skew-normal distribution and propose a new test of multivariate skew-normality based on empirical moment genera- ting functions. In the final analysis, we compare its power with other tests of multivariate skew-normality. 1