上一节笔记传送门:数理统计|笔记整理(9)——假设检验初步:势,显著性检验,拟合优度检验,正态性检验
下一节笔记传送门:数理统计|笔记整理(B)——似然比检验,区间估计:置信区间,容忍区间概念与计算
——————————————————————————————————————
大家好!
这一节我们继续来看假设检验问题,但是我们会从另外一个视角来看。如果我们从似然比这个量来看,会不会使得结果有什么不一样呢?事实上,看似完全不一样的推导方法,在很多情形下能够得到完全相同的结果,这也是我们这一节所介绍的内容。
那么我们开始吧。
目录
- 引入
- 一致最优势检验 (UMPT)
- Neyman-Pearson准则
- 单调似然比分布族的单边检验
- 单参数指数族分布的双边检验概述
引入
如果我们通过统计判决的思想思考假设检验,其实它就是考虑构造判别函数的问题。事实上假设检验要做的决策也就两个——接受原假设,拒绝原假设。所以我们的判别函数其实也就只需要两个值,也就是1和0。依照这个,我们先给出检验函数的定义。
Definition 1: Test Function 定义为假设检验的检验函数。其中表示抽样的时候,否定原假设的概率。若对任意的,有,那么称为假设检验问题的水平为的检验。
很显然,这样的定义就和否定域的概念完全等价。如果
在这样的定义下,你也能看出来,
这也就恰好对应上了上一节所说的两类错误。
一致最优势检验 (UMPT)
我们在上一节说了,我们希望的假设检验实际上是针对第一类错误的检验。也就是说我们希望一个检验的第一类错误能够小于一个阈值。但是我们很显然也并不希望第二类错误太大,所以我们考虑了这么一种检验——一致最优势检验,它的定义如下。
Definition 2: Uniform Most Powerful Test 对于假设检验问题和我们给定的水平,如果检验满足,那么就称为假设检验问题的一个水平为的检验。记,若存在,使得,则称为假设检验问题的水平为的一致最优势检验。
一般我们称呼它为UMPT。这个定义用人话来说,就是要先考虑一个检验,它的第一类错误要
从统计判决函数的观点来看,这一系列统计推断问题实质上是一脉相承的。幸运的是我们在第五节已经通过Rao-Blackwell定理,说明了统计推断的最优解为充分统计量的函数。为了加深印象,我们在这里再写一遍。
Lemma 1: 设为充分统计量,任意给定一个检验,必定存在一个检验,它为充分统计量的函数,并且与有相同的功效。
简单说明一下。设
所以功效也相同,这就证明了结论。
Neyman-Pearson准则
下面我们进入我们的重点——N-P准则。为了简单起见,我们先从最简单的情况开始说起,也就是
在这一部分提到的假设检验问题,均是指上面这一个。
首先我们引入似然比,也就是
就很自然的成为了拒绝域的形式,而我们只需要根据
根据似然比来判断就会对应有三种情况:
这也是N-P准则的基本逻辑,我们把它重新写一遍。
Theorem 1: Neyman-Pearson 设为离散或连续型密度函数,那么对于假设检验问题,我们有(1) 存在性,定义,那么对于任意给定的,一定存在,使得。(2) 最优性或充分性,(1)中的检验函数为假设检验问题的UMPT。 (3) 唯一性或必要性,若为问题的最优势检验,那么一定有,且若,那么有。
这是一个非常复杂的定理,我们一个一个来证明。
我们首先来看第一条。
关键的一步来了!设随机变量
所以可以考虑设
下面我们看第二条。回顾一下UMPT的概念,你可以看出第二条实质上就是要证明,对任意的