数理统计--假设检验复习梳理(待完成)

一、基本概念

  • H_0:原假设(零假设)、H_1:对立假设(备选假设)
  • 接受域、拒绝域W、临界值
  • 两类错误(弃真&保假)、功效函数\rho_W(\theta)、操作特性函数L_W(\theta)
  • 置信水平1-\alpha、显著性水平\alpha

二、假设检验的基本步骤

步骤:

  1. 提出原假设H_0;
  2. 建立检验统计量;
  3. 根据给定的显著性水平,确定与检验统计量的分布相对应的临界值,得到拒绝域;
  4. 做出推断。

三、 一致最大功效无偏

(一)、功效函数与操作特性函数

\begin{array}{cl}L_W(\theta)&=P(H_o|\theta)\\&=P((X_1,\cdots,X_n)\notin W|\theta),\end{array}

\begin{array}{cl}\rho_W(\theta)&=P(H_1|\theta)\\&=P((X_1,\cdots,X_n)\in W|\theta),\end{array}

其中L_W(\theta)为操作特性函数,\rho_W(\theta)为功效函数。

\theta\in \Theta_0时,\rho_W(\theta)表示犯第一类错误(弃真)的概率。当\theta \notin \Theta_0时,1-\rho_W(\theta)表示犯第二类错误(保假)的概率。

(二)、一致最大功效

定义:W​是检验水平为\alpha​的一致最大功效的否定域(UMP否定域),若W​的水平为\alpha​且对一切水平不超过\alpha​的否定域\tilde{W}​均有
\rho_W(\theta)\geq \rho_{\tilde W}(\theta)\quad(\forall \theta\in \Theta_1).

可惜的是,这种否定域难得存在。比“一致最大功效”较弱的要求是“一致最大功效无偏”。

(三)、一致最大功效无偏

无偏:W是检验水平为\alpha的无偏否定域,若对一切\theta\in \Theta_1,有
\rho_W(\theta)\geq \alpha

无偏性的直观含义是,“假设”在它真实时遭到拒绝(弃真)的概率不大于它虚假时遭到拒绝(弃假)的概率。

定义:W是检验水平为\alpha的一致最大功效无偏的否定域(UMPU否定域),若W是水平为\alpha的无偏否定域且对任何水平为\alpha的无偏否定域\tilde{W}均有
\rho_W(\theta)\geq \rho_{\tilde W}(\theta)\quad(\forall \theta\in \Theta_1).

四、N-P引理及似然比检验法

X\sim F(x,\theta)\theta\in \Theta = \{ \theta_1,\theta_2 \}~(\theta_1\neq \theta_2),设X是连续型随机变量,密度函数是f(x,\theta),检验问题是:
H_0:\theta = \theta_1 \leftrightarrow H_1:\theta=\theta_2.
\underline{x} = (x_1,\cdots,x_n), d\underline{x} = dx_1dx_2\cdots dx_n,L(\underline{x},\theta) = \prod_{i=1}^nf(x_i,\theta).

(一)、N-P引理

Neyman-Pearson引理: 给定\alpha\in (0,1),设
W_0 = \{ \underline{x}:L(\underline{x},\theta_2) > \lambda_0L(\underline{x},\theta_1) \}
(这里\lambda_0\geq 0)适合
\int_{W_o}\cdots\int L(\underline{x},\theta_1)d\underline{x} = \alpha
则,对任何否定域W\subset \bf{R}^n,只要\rho_W(\theta_1)\leq \alpha,就一定有
\rho_{W_0}(\theta_2)\geq \rho_W(\theta_2)
也就是说,W_0是所有检验水平不超过\alpha的否定域中犯第二类错误的概率最小的一个。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容