Trudność najwyraźniej przychodzi, ponieważ i Y są ze sobą powiązane (zakładam, że ( X , Y ) są wspólnie gaussowskie, jak Aniko) i nie można zrobić różnicy (jak w odpowiedzi @ svadali) lub stosunku (jak w Standardowym Fisher-Snedecor „Test F”), ponieważ byłyby one zależne od rozkładu χ 2 i ponieważ nie wiesz, co to za zależność, co utrudnia wyprowadzenie rozkładu w H 0 .XY(X,Y)χ2H0
Moja odpowiedź opiera się na równaniu (1) poniżej. Ponieważ różnicę wariancji można podzielić na czynniki z różnicami wartości własnych i różnicą kąta obrotu, test równości można odrzucić na dwa testy. Pokazuję , że można zastosować test Fishera-Snedecora wraz z testem na zboczu, takim jak ten zaproponowany przez @shabbychef ze względu na prostą właściwość wektorów gaussowskich 2D.
Fisher Snedecora testu:
Jeżeli dla ( Z I 1 , ... , Z i n I ) IID Gaussa zmiennych losowych nieobciążonego wariancji empirycznej λ 2 I i prawdziwe wariancji λ 2 I , po czym możliwe jest sprawdzenie, czy λ 1 = λ 2 wykorzystując fakt, że pod wartością zerowąi=1,2 (Zi1,…,Zini)λ^2iλ2iλ1=λ2
Wykorzystuje się to, że następujerozkład Fisher SnedecoraF(n1-1,n2-1)
R=λ^2Xλ^2Y
F(n1−1,n2−1)
A simple property of 2D gaussian vector
Let us denote by
R(θ)=[cosθsinθ−sinθcosθ]
It is clear that there exists
λ1,λ2>0 ϵ1,
ϵ2 two independent gaussian
N(0,λ2i) such that
[XY]=R(θ)[ϵ1ϵ2]
and that we have
Var(X)−Var(Y)=(λ21−λ22)(cos2θ−sin2θ)[1]
Testing of Var(X)=Var(Y) can be done through testing if (
λ21=λ22 or θ=π/4mod[π/2])
Conclusion (Answer to the question)
Testing for λ21=λ22 is easely done by using ACP (to decorrelate) and Fisher Scnedecor test. Testing θ=π/4[modπ/2] is done by testing if |β1|=1 in the linear regression Y=β1X+σϵ (I assume Y and X are centered).
Testing wether (λ21=λ22 or θ=π/4[modπ/2]) at level α is done by testing if λ21=λ22 at level α/3 or if |β1|=1 at level α/3.