Lemat Neymana-Pearsona
Lemat Neymana-Pearsona
W statystyce , zgodnie z lematem Neymana-Pearsona , gdy chcemy przeprowadzić test hipotezy między dwiema hipotezami H 0 : θ = θ 0 i H 1 : θ = θ 1 , dla próby , to test współczynnika prawdopodobieństwa która odrzuca H 0 dla M 1 kiedy , gdzie jest jak
x=(X1,...,Xnie){\ Displaystyle \ mathbf {x} = (X_ {1}, \ ldots, X_ {n})}L(x,θ0)L(x,θ1)≤kα{\ Displaystyle {\ Frac {{\ mathcal {L}} (\ mathbf {x}, \ theta _ {0})} {{\ mathcal {L}} (\ mathbf {x}, \ theta _ {1} )}} \ leq k _ {\ alpha}}kα{\ displaystyle k _ {\ alpha}}
P.(L(x,θ0)L(x,θ1)≤kα|H.0)=α{\ Displaystyle P \ lewo ({\ Frac {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {0})} {{\ mathcal {L}} ({\ textbf {x} }, \ theta _ {1})}} \ leq k _ {\ alpha} {\ bigg |} H_ {0} \ right) = \ alpha}, to
najpotężniejszy test poziomu .
α{\ displaystyle \ alpha}Ten lemat został nazwany imieniem Jerzego Neymana i Egona Sharpe Pearsona w artykule z 1931 roku.
W praktyce w większości przypadków sam współczynnik prawdopodobieństwa nie jest bezpośrednio używany w teście. Dzieje się tak, ponieważ powyższy test współczynnika wiarygodności jest często równoważny testowi formy dla prostszej statystyki , a test jest wykonywany w tej formie.
T≤tα{\ displaystyle T \ leq t _ {\ alpha}}T{\ displaystyle T}
Demonstracja
Ten artykuł może zawierać niepublikowane prace lub niezweryfikowane oświadczenia (marzec 2019).
Możesz pomóc, dodając odniesienia lub usuwając niepublikowaną zawartość. Zobacz stronę dyskusji, aby uzyskać więcej informacji.
Twierdzenie: Optymalny region odrzucenia jest zdefiniowany przez zbiór punktów, takich jak
R0{\ displaystyle R_ {0}}x=(x1,...,xnie)∈Rnie{\ Displaystyle \ mathbf {x} = (x_ {1}, \ ldots, x_ {n}) \ w \ mathbb {R} ^ {n}}
L(x,θ0)L(x,θ1)≤kα{\ Displaystyle {\ Frac {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {0})} {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {1})}} \ leq k _ {\ alpha}}gdzie stała jest taka, że . Zwróć uwagę, że mamy następujące relacje:
kα{\ displaystyle k _ {\ alpha}}P.(x∈R0|θ0)=α{\ Displaystyle P (\ mathbf {x} \ w R_ {0} | \ theta _ {0}) = \ alfa}
P.(renie∈R0|θ0)=α=∫R0L(x;θ0) rex{\ Displaystyle P \ lewo ({\ textbf {D}} _ {n} \ w R_ {0} | \ teta _ {0} \ prawo) = \ alfa = \ int _ {R_ {0}} \! { \ mathcal {L}} (\ mathbf {x}; \ theta _ {0}) \ d \ mathbf {x}}
P.(renie∈R0|θ1)=1-β=∫R0L(x;θ1) rex{\ Displaystyle P \ lewo ({\ textbf {D}} _ {n} \ w R_ {0} | \ theta _ {1} \ prawej) = 1- \ beta = \ int _ {R_ {0}} \ ! {\ mathcal {L}} (\ mathbf {x}; \ theta _ {1}) \ d \ mathbf {x}}
gdzie jest próbka.
renie=(x1′,...,xnie′){\ Displaystyle D_ {n} = (x '_ {1}, \ ldots, x' _ {n})}
Demonstracja:
Niech najpierw pokazać, że gdy jest ograniczonym gęstości, zawsze istnieje stała taka, że
faX(.;θ){\ Displaystyle f _ {\ mathcal {X}} (.; \ theta)}k{\ displaystyle k}
P.(L(x,θ0)L(x,θ1)>k|H.0)=α{\ Displaystyle P \ lewo ({\ Frac {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {0})} {{\ mathcal {L}} ({\ textbf {x} }, \ theta _ {1})}}> k {\ bigg |} H_ {0} \ right) = \ alpha}.
Rzeczywiście, kiedy to prawdopodobieństwo jest równe 1. Z drugiej strony prawdopodobieństwo to maleje monotonnie i w sposób ciągły do zera, kiedy . Dlatego musi istnieć skończona wartość , zwana, która spełnia równość .
k=0{\ Displaystyle k = 0}k→∞{\ Displaystyle k \ rightarrow \ infty}k{\ displaystyle k}kα{\ displaystyle k _ {\ alpha}}∀α∈]0;1[{\ displaystyle \ forall \ alpha \ in] 0; 1 [}
Oznaczmy przez następujący podzbiór ,
R0{\ displaystyle R_ {0}}Rnie{\ displaystyle \ mathbb {R} ^ {n}}
R0≜{x∈Rnie|L(x,θ0)L(x,θ1)>kα}{\ Displaystyle R_ {0} \ triangleq \ lbrace \ mathbf {x} \ in \ mathbb {R} ^ {n} {\ bigg |} {\ Frac {{\ mathcal {L}} ({\ textbf {x} }, \ theta _ {0})} {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {1})}}> k _ {\ alpha} \ rbrace},
i albo inna część , taka że . Pokażmy to
R{\ displaystyle R}Rnie{\ displaystyle \ mathbb {R} ^ {n}}P.(x∈R|θ0)=α{\ Displaystyle P (\ mathbf {x} \ w R | \ theta _ {0}) = \ alfa}P.(x∈R0|θ1)>P.(x∈R|θ1){\ Displaystyle P (\ mathbf {x} \ w R_ {0} | \ theta _ {1})> P (\ mathbf {x} \ w R | \ theta _ {1})}
Uwagi i odniesienia
-
(en) J. Neyman i ES Pearson , „ IX. O problemie najbardziej efektywnych testów hipotez statystycznych ” , Phil. Trans. R. Soc. Lond. A , tom. 231, Nr . 694-706,16 lutego 1933, s. 289–337 ( ISSN 0264-3952 , DOI 10.1098 / rsta.1933.0009 , czytaj online )
Linki zewnętrzne
Zobacz też
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">