Neyman-Pearson Lemma
Neyman-Pearson Lemma
A statisztikákban a Neyman-Pearson lemma szerint , amikor két hipotézis H 0 : θ = θ 0 és H 1 : θ = θ 1 hipotézis tesztet akarunk elvégezni egy minta esetében , akkor a valószínűség arányának tesztje hogy elutasítja H 0 az M 1 , ha , ahol a jelentése a
x=(x1,...,xnem){\ 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|H0)=α{\ displaystyle P \ balra ({\ frac {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {0})} {{\ mathcal {L}} ({\ textbf {x} }, \ theta _ {1})}}} \ leq k _ {\ alpha} {\ bigg |} H_ {0} \ right) = \ alpha}, a
legerősebb szintteszt .
α{\ displaystyle \ alpha}Ez a lemma Jerzy Neymanról és Egon Sharpe Pearsonról kapta a nevét egy 1931-es cikkben.
A gyakorlatban legtöbbször magát a valószínűségi arányt nem használják kifejezetten a tesztben. A fenti valószínűségi arány-teszt ugyanis gyakran egyenértékű az egyszerűbb statisztika formavizsgálatával, és a tesztet ebben a formában hajtják végre.
T≤tα{\ displaystyle T \ leq t _ {\ alpha}}T{\ displaystyle T}
Demonstráció
Ez a cikk publikálhatatlan munkákat vagy nem ellenőrzött nyilatkozatokat tartalmazhat (2019 március).
Segíthet referenciák hozzáadásával vagy a közzé nem tett tartalom eltávolításával. További részletekért lásd a beszélgetés oldalt .
Tétel: Az optimális elutasítási régiót olyan ponthalmaz határozza meg, mint pl
R0{\ displaystyle R_ {0}}x=(x1,...,xnem)∈Rnem{\ displaystyle \ mathbf {x} = (x_ {1}, \ ldots, x_ {n}) \ in \ 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}}ahol az állandó olyan, hogy . Vegye figyelembe, hogy a következő kapcsolatok vannak:
kα{\ displaystyle k _ {\ alpha}}P(x∈R0|θ0)=α{\ displaystyle P (\ mathbf {x} \ in R_ {0} | \ theta _ {0}) = \ alpha}
P(Dnem∈R0|θ0)=α=∫R0L(x;θ0) dx{\ displaystyle P \ bal ({\ textbf {D}} _ {n} \ R_-ben {0} | \ theta _ {0} \ right) = \ alpha = \ int _ {R_ {0}} \! { \ mathcal {L}} (\ mathbf {x}; \ theta _ {0}) \ d \ mathbf {x}}
P(Dnem∈R0|θ1)=1-β=∫R0L(x;θ1) dx{\ displaystyle P \ bal ({\ textbf {D}} _ {n} \ in R_ {0} | \ theta _ {1} \ right) = 1- \ beta = \ int _ {R_ {0}} \ ! {\ mathcal {L}} (\ mathbf {x}; \ theta _ {1}) \ d \ mathbf {x}}
hol van a minta.
Dnem=(x1′,...,xnem′){\ displaystyle D_ {n} = (x '_ {1}, \ ldots, x' _ {n})}
Demonstráció:
Először mutassuk meg, hogy mikor van korlátozott sűrűség, mindig létezik olyan állandó , amely
fx(.;θ){\ displaystyle f _ {\ mathcal {X}} (.; \ theta)}k{\ displaystyle k}
P(L(x,θ0)L(x,θ1)>k|H0)=α{\ displaystyle P \ balra ({\ frac {{\ mathcal {L}} ({\ textbf {x}}, \ theta _ {0})} {{\ mathcal {L}} ({\ textbf {x} }, \ theta _ {1})}}} k {\ bigg |} H_ {0} \ right) = \ alpha}.
Valójában, amikor ez a valószínűség egyenlő 1-vel. Másrészt ez a valószínűség monoton és folyamatosan csökken a nulla felé, amikor . Ezért kell lennie egy véges értéknek , amelyet úgy hívnak, hogy kielégítse az egyenlőséget .
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 [}
Jelöljük a következő részhalmazgal :
R0{\ displaystyle R_ {0}}Rnem{\ displaystyle \ mathbb {R} ^ {n}}
R0≜{x∈Rnem|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},
vagy annak egy másik része , ilyen . Mutassuk meg
R{\ displaystyle R}Rnem{\ displaystyle \ mathbb {R} ^ {n}}P(x∈R|θ0)=α{\ displaystyle P (\ mathbf {x} \ R | \ theta _ {0}) = \ alfa}P(x∈R0|θ1)>P(x∈R|θ1){\ displaystyle P (\ mathbf {x} \ R_ {0} | \ theta _ {1})> P (\ mathbf {x} \ R | \ theta _ {1})}
Megjegyzések és hivatkozások
-
(en) J. Neyman és ES Pearson , " IX. A statisztikai hipotézisek leghatékonyabb tesztjének problémájáról ” , Phil. Ford. R. Soc. Lond. A , vol. 231, nem . 694-706,1933. február 16, P. 289–337 ( ISSN 0264-3952 , DOI 10.1098 / rsta.1933.0009 , online olvasás )
Külső linkek
Lásd is
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">