Asymptotic efficiency of nonparametric tests笔记（正在进行中）

绝对的经典，学习下。

1 渐进效率，及计算渐进效率的数学方法

1.1 计算渐进效率的一般方法

符号

$(\mathfrak{X},\mathfrak{A})$：关于观察值$X$的样本空间
$P_{\theta }$：分布
s = { X 1 , X 2 , . . . } s=\{X_1,X_2,...\} s={X1​,X2​,...}，i.i.d
${\mathbf{X}}^{(n)}:=\left(X_1,X_2,\dots ,X_n\right)$，其样本空间为$({\mathfrak{X}}^{(n)},{\mathfrak{A}}^{(n)})$，其分布记作$P_{\theta }^{(n)}$

根据观察 { X 1 , . . . , X n } \{X_1,...,X_n\} {X1​,...,Xn​}检验：
$H:\theta \in {\Theta }_0\subset \Theta \leftrightarrow A:A:\theta \in {\Theta }_1=\Theta \backslash {\Theta }_0$
使用一串统计量 { T n } \{T_n\} {Tn​}，这里$T_n(s)=T_n(X_1,X_2,...,X_n)$。
拒绝域： { s : T n ( s ) ≥ c } \{s: T_n(s)\geq c\} {s:Tn​(s)≥c}
势函数：$P_{\theta }(T_n\ge c)$，视为$\theta$的函数。
检验功效（size）为 sup ⁡ { P θ ( T n ≥ c ) : θ ∈ Θ 0 } \sup \left\{P_{\theta}\left(T_{n} \geq c\right): \theta \in \Theta_{0}\right\} sup{Pθ​(Tn​≥c):θ∈Θ0​}

对于任意$\beta \in (0,1)$和$\theta \in {\Theta }_1$，$c_n(\beta ,\theta )$，目标：找到如下连续不等式：
$P_{\theta }\left(T_n>c_n\right)\le \beta \le P_{\theta }\left(T_n\ge c_n\right)$
则：
α n ( β , θ ) : = sup ⁡ { P θ ′ ( T n ≥ c n ) : θ ′ ∈ Θ 0 } \alpha_{n}(\beta, \theta):=\sup \left\{P_{\theta^{\prime}}\left(T_{n} \geq c_{n}\right): \theta^{\prime} \in \Theta_{0}\right\} αn​(β,θ):=sup{Pθ′​(Tn​≥cn​):θ′∈Θ0​}：基于统计量序列 { T n } \{T_n\} {Tn​}的最小功效