高等数理统计 | 一致最优势检验

定义(一致最优势检验): ( X , B , P = { P θ : θ ∈ Θ } ) (\mathscr{X}, \mathscr{B}, \mathscr{P}=\{P_{\theta}:\theta \in \Theta\}) (X,B,P={ Pθ:θΘ}) , 考虑检验问题 ( Θ 0 , Θ 1 ) (\Theta_{0}, \Theta_{1}) (Θ0,Θ1) 。设 ϕ ( x ) \phi (x) ϕ(x) 是水平为 α \alpha α 的检验。若对于任意一个水平为 α \alpha α 的检验 ϕ 1 ( x ) \phi_{1}(x) ϕ1(x),都有:
E θ [ ϕ ( x ) ] ≥ E θ [ ϕ 1 ( x ) ] , ∀ θ ∈ Θ 1 E_{\theta}[\phi (x)] \ge E_{\theta}[\phi_{1} (x)], \quad \forall \theta \in \Theta_{1} Eθ[ϕ(x)]Eθ[ϕ1(x)],θΘ1
则称检验 ϕ ( x ) \phi (x) ϕ(x) 是水平为 α \alpha α 的一致最优势检验(uniformly most powerful test, UMPT)。

在某些特殊的情况,UMPT 可以由 Neyman-Pearson 基本引理直接推出,下面介绍这部分引理。

引理(原假设扩充). ϕ ( x ) \phi (x)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在高等数理统计中,单边假设检验是一种用于确定一个统计模型中特定参数是否符合某个假设的方法。在单边假设检验中,我们提出一个假设,然后根据观测到的数据来判断这个假设是否成立。通常情况下,我们将假设分为两类:单边假设和双边假设。 单边假设指的是我们只关心某个参数是否大于或小于某个固定值。例如,我们可能会关心一个新药物是否能够显著地降低患者的血压。在这种情况下,我们的单边假设是:新药物能够显著地降低患者的血压。我们将这个假设表示为 H1。 另一方面,我们还需要提出一个相反的假设,即新药物不能显著地降低患者的血压,或者说新药物与原来的药物相比没有显著的差异。这个假设被称为H0或者零假设。 在单边假设检验中,我们需要选择一个显著性水平(通常用α表示),它代表了我们允许犯错误的概率。例如,如果我们选择α=0.05,则意味着我们允许在5%的情况下犯错。这意味着,如果我们拒绝了H0,即我们认为新药物能够显著地降低患者的血压,但实际上这个结论是错误的,那么这种错误的概率为5%。 在单边假设检验中,我们使用统计分布来计算观测到的数据与H0的偏离程度。如果这个偏离程度非常显著,那么我们就可以拒绝H0,接受H1。否则,我们无法拒绝H0,不能接受H1。 在单边假设检验中,我们通常使用t检验或z检验来计算假设的显著性。在计算检验统计量之后,我们可以使用临界值来判断是否拒绝H0。如果检验统计量大于临界值,那么我们可以拒绝H0,接受H1。否则,我们不能拒绝H0。 总之,单边假设检验是一种用于检验某个参数是否符合特定假设的方法。它通常使用统计分布来计算偏离程度,并使用临界值来判断是否拒绝H0。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值