- •Математическая статистика Введение в математическую статистику
- •Предмет математической статистики
- •Возникновение и развитие математической статистики
- •Приложения математической статистики
- •Общая статистическая модель
- •Параметрические и непараметрические задачи
- •Случайные величины и статистики
- •Достаточные статистики
- •Критерий факторизации.
- •Полная достаточная статистика
- •Выборка и эмпирическая мера
- •Выбор статистической модели
- •Классическая статистическая модель.
- •Эмпирическая функция распределения
- •Выборочные характеристики
- •Свойства выборочных характеристик
- •Моделирование выборок на компьютере
- •Датчик случайных чисел
- •Моделирование дискретных распределений
- •Моделирование непрерывных распределений
- •Теория оценивания
- •Определение оценки и критерии качества оценок
- •Общие методы построения оценок
- •Метод подстановки и метод моментов
- •Метод максимального правдоподобия
- •Улучшение оценок
- •Теорема Рао-Блэкуэлла-Колмогорова
- •Построение оптимальных оценок
- •Несмещенные оценки с минимальной дисперсией
- •Эффективные оценки
- •Состоятельность и асимптотическая нормальность оценок
- •Асимптотическая нормальность оценок, полученных методом подстановки
- •Состоятельность и асимптотическая нормальность оценок, полученных методом максимального правдоподобия
- •Теория статистических решений
- •Основные понятия теории статистических решений
- •Байесовский подход
- •Допустимость байесовских оценок
- •Проверка двух простых гипотез
- •Байесовский подход
- •Наиболее мощный критерий. Лемма Неймана- Пирсона
- •Проверка сложных гипотез
- •Равномерно наиболее мощный критерий.
- •Проверка непараметрических гипотез. Критерии согласия
- •Критерий знаков
- •Состоятельность критерия
- •Критерий Колмогорова
- •Критерий хи-квадрат
- •Построение доверительных множеств и интервалов Постановка задачи
- •Методы построения доверительных множеств и интервалов
- •Случайные величины, свободные от распределения
- •Асимптотические доверительные интервалы
- •Доверительные интервалы для параметров нормального распределения
- •Примеры решения статистических задач в общей статистической модели.
- •Линейная регрессионная модель
- •Оценка матрицы переходных вероятностей конечной цепи Маркова
- •Оценка параметра пуассоновского процесса
Проверка двух простых гипотез
Если обе гипотезы
простые, т.е.
и
,
содержат по одной вероятностной мере,
соответственно,
и
,
то естественной функцией потерь является
следующая
![]()
т.е. потери равны нулю, если ошибки нет, и равны единице, если ошибка есть.
Ошибка
,![]()
традиционно называется ошибка первого рода
Ошибка
,![]()
называется ошибка второго рода
Функция риска принимает
для каждого критерия
два
значения
![]()
и
![]()
которые называются
вероятностями ошибки первого и второго
рода, соответственно. Величину
называют такжеобъемомилиуровнемзначимостикритерия
,
величину
-мощностьюкритерия
.
Наиболее просто получить решение задачи
различения двух простых гипотез в
байесовской постановке.
Байесовский подход
Пусть гипотезы
и
простые и имеют априорные вероятности
и
соответственно. Тогда байесовский риск
решения![]()

Выбор
![]()
очевидно, минимизирует байесовский риск. Таким образом, решающее правило байесовского критерия имеет вид

Наиболее мощный критерий. Лемма Неймана- Пирсона
Любое множество
такое, что
определяет некоторый стастистический
критерий, имеющий вероятность ошибки
1-ого рода
.
Критерий
,
имеющий наименьшую вероятность ошибки
второго рода среди всех таких критериев,
называется наиболее мощным критерием
( у него наибольшая мощность
)
Определение.
Критерий
называется
наиболее мощным критерием объема
,
если
![]()
Следующая теорема содержит достаточные условия существования наиболее мощного критерия.
Теорема (Лемма Неймана-Пирсона)
Пусть для некоторого
существует
такое , что

Тогда критерий с критической областью

является наиболее
мощным критерием объема
![]()
Доказательство.
Критерий
с критической областью

очевидно является
байесовским критерием соответствующим
априорному распределению с таким
:![]()
Тогда, так как
![]()
учитывая, что
![]()
получаем, что
![]()
Доказательство завершено.
Замечание.
Если распределение
случайной величины
непрерывно, то наиболее мощный критерий
существует для любого
.
Пример.
Пусть вектор данных
представляет собой выборку из
распределения
.
Рассмотрим две простые
гипотезы относительно действительного
параметра
![]()
![]()
![]()
Положим для определенности,
что
![]()
![]()
Тогда наиболее мощный критерий будет иметь критическую область

где
определяется из уравнения
![]()
Заметим, что критическое
множество в данном примере одно и то
же для всех альтернатив вида![]()
где
.
Проверка сложных гипотез
В практических задачах часто встречается случай, когда одна или обе гипотезы не являются простыми, например,
![]()
![]()
Поиск оптимального критерия заданного объема в этом случае, вообще говоря, более сложен.
Равномерно наиболее мощный критерий.
Определение.
Критерий
называется
равномерно наиболее мощным критерием
объема
для проверки
против
,
если
![]()
для всех
![]()
Комментарий к предыдущему примеру.
Критерий , построенный
в предыдущем примере, очевидно, является
равномерно наиболее мощным, так как он
наиболее мощный против любой альтернативы
из
, его критическая область не зависит
от альтернативы и следовательно одна
и таже для всех
.
Обобщая этот пример, можно получить
следующее утверждение.
Утверждение.
Пусть существует такая
статистика
,
что при
случайная величина
является монотонной функцией
.
Тогда наиболее мощный критерий проверки
против
любой простой альтернативы из
будет равномерно наиболее мощным
критерием проверки
против
.
Доказательство.
См. комментарий к предыдущему примеру.
Доказательство завершено.
Семейства плотностей, обладающие указанным свойством, называются семействами с монотонным отношением правдоподобия.
