本文介绍了Neyman-Pearson基本引理，探讨了假设检验中的两类错误、功效函数和最优检验。内容包括假设检验的基本概念，如零假设、备择假设和拒绝域，以及如何通过控制第一类错误的概率来寻找最优检验。重点讨论了最优势检验的定义，并给出Neyman-Pearson基本引理的证明和应用。
Neyman-Pearson基本引理的证明以及使用
关于假设检验的背景
1、基本概念
关于一个分布p的零假设和备择假设记为 H 0 : p ∈ P 0 , H 1 : p ∈ P 1 H_{0}:p \in P_{0}\;,\quad H_{1}:p\in P_{1} H0:p∈P0,H1:p∈P1
P 0 与 P 1 P_{0}与P_{1} P0与P1是分布族P的互不相交的非空子集
关于参数 θ \theta θ的零假设与备择假设记为 H 0 : θ ∈ Θ 0 , H 1 : θ ∈ Θ 1 H_{0}:\theta\in\Theta_{0}\;,\quad H_{1}:\theta\in\Theta_{1} H0:θ∈Θ0,H1:θ∈Θ1
Θ 0 \Theta_{0} Θ0与 Θ 1 \Theta_{1} Θ1是 Θ \Theta Θ的互不相交的非空子集.
给定 H 0 H_{0} H0和 H 1 H_{1} H1就等于给定检验问题，记为检验问题 ( H 0 , H 1 ) (H_{0},H_{1}) (H0,H1).
2、定义
在检验问题 ( H 0 , H 1 ) (H_{0},H_{1}) (H0,H1)中，检验法则就是设法把样本空间X划分为互不相交的两个可测集: X = W + W ‾ X=W+\overline{W} X=W+W
同时规定:
当观测值 x ∈ W x\in W x∈W时，就拒绝原假设 H 0 H_{0} H0，认为备择假设 H 1 H_{1} H1成立.
当观测值 x ∉ W x\notin W x∈/W时，就不拒绝原假设 H 0 H_{0} H0，认为原假设 H 0 H_{0} H0成立.
称 W W W为检验的拒绝域.
所以假设检验的核心就是寻找一个合适的拒绝域，那什么是合适，或者说我们凭什么可以通过样本落在拒绝域中时就可以选择相信拒绝零假设。为此我们引入两类错误和功效函数的概念。
3、两类错误
在假设检验中，若 H 0 : θ ∈ Θ 0 , H 1 : θ ∈ Θ 1 , X = W + W ‾ H_{0}:\theta\in\Theta_{0}\;,\quad H_{1}:\theta\in\Theta_{1}\;,\quad X=W+\overline{W} H0:θ∈Θ0,H1:θ∈Θ1,X=W+W
当原假设 H 0 H_{0} H0为真的时候，样本观测值却落在拒绝域 W W W中，从而使得我们错误的选择拒绝零假设，这种错误称为第一类错误，所以犯第一类错误的概率为: P θ ( x ∈ W ) , θ ∈ Θ 0 P_{\theta}(x\in W)\;,\quad \theta\in\Theta_{0} Pθ(x∈
最低0.47元/天 解锁文章
4281
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
