统计功效计算

样本$x_1,x_2,\dots ,x_n$来自正态分布$N({\mu }_x,{\sigma }_x^2)$,样本$y_1,y_2,\dots ,y_m$来自正态分布$N({\mu }_y,{\sigma }_y^2)$。

检验假设：$H_0:{\mu }_x={\mu }_y,H_1:{\mu }_x<{\mu }_y$

正常情况下会构造统计量$\frac{\overline{x}-\overline{y}}{\sqrt{\frac{s_x^2}{n}+\frac{s_y^2}{m}}}$,当样本量足够大时，在原假设成立的情况下近似服从分布$N(0,1)$,也就是标准正态分布。

简单介绍一下两类错误：

• H0为真但由于随机性使样本观测值落在了拒绝域中，从而拒绝原假设H0，这种错误称为第一类错误，也称为α错误。（拒真）
• H0不为真，但由于随机性使样本观测值落入接受域中，从而接受假设H0，这种错误称为第二类错误，也称为β错误。（存伪）

先推导一下第二类错误的计算公式，以单边检验为例：
β = P ( x ‾ − y ‾ s x 2 n + s y 2 m ≤ Z 1 − α ∣ H 0 为 假 ) = P ( x ‾ − y ‾ − δ s x 2 n + s y 2