4.3 Ошибки первого и второго рода. Мощность критерия

Вывод о приемлемости основной гипотезы, ее непротиворечивости имеющимся данным не означает того, что доказана ее истинность. Принимая эту гипотезу, в некотором проценте случаев мы ошибемся. При принятии решения об истинности гипотезы возможны четыре случая:

Таблица 4.1

Гипотеза Н0	Принимается	Отвергается
Верна	Правильное решение	Ошибка 1-го рода
Неверна	Ошибка 2-го рода	Правильное решение

Рисунок 4.4

Ошибку , когда отбрасывается основная гипотеза, хотя она истинна, называют ошибкой первого рода; в отличие от ошибки второго рода , которую совершают, приняв основную гипотезу, когда она ложна. Мощностью критерия называется вероятность (1–) не допустить ошибку 2-го рода, т.е. отвергнуть гипотезу Н₀, когда она неверна (это вероятность попадания критерия в критическую область при условии, что верна конкурирующая гипотеза).

На рисунок 4.4 показано, какие площади изображают ошибку первого рода  ошибку второго рода  и мощность критерия 1- для случая, когда выборка производится из нормального распределения с известным среднеквадратическим отклонением . Критическая область строится с помощью распределения вероятностей статистики для уровня значимости . Проверяется гипотеза о том, что генеральное среднее равно а₀, а конкурирующей гипотезой является предположение о том, что среднее значение увеличилось и в качестве его нового значения берется значение a₁.

На рисунок 4.4 f(x,a₀) и f(x,a₁) – плотность распределения при условии, что верна гипотеза; Н₀ и Н₁, соответственно, – нормальное распределение со среднеквадратическим отклонением и средним а₀ или а₁; через u_p обозначена квантиль стандартного нормального распределения, т.е. корень решения уравнения:

Так как f(x) нормальное распределение, для вычисления этих площадей используются таблицы квантилей нормального распределения. Ошибка 2-го рода , в этом случае, вычисляется по а₀, а₁,и n.

Решение о выборе  и  зависит от конкретной задачи. Например, если отвергнуто правильное решение о “продолжении строительства”, то эта ошибка (ошибка 1-го рода) повлечет материальный ущерб, если же принять решение о продолжении строительства, несмотря на опасность обвала, то это может повлечь и человеческие жертвы (ошибка 2‑го рода). Можно привести примеры, когда ошибка 1-го рода повлечет более тяжкие последствия, чем ошибка 2-го рода.

4.4 Число испытаний при проверке гипотезы

Если мы хотим обеспечить, чтобы и ошибка первого рода не превосходила, и неверность проверяемой гипотезы вскрывалась с вероятностью не меньшей, чем некоторое 1– (т.е. наклады-ваем ограничение не только на , но и требуем, чтобы выполнялось ), может оказаться, что объем выборки должен быть увеличен.

Если

и значение статистики попадает в интервал

(рисунок 4.5), то сделать выбор между гипотезами, ограничив ошибки 1-го и 2-го рода однов-ременно, нельзя. Для того, чтобы обеспечить требования к обеим ошибкам, n должно быть не меньше, чем то, при котором:

Рисунок 4.5

Следовательно, если мы хотим обеспечить, чтобы и ошибка 1-го рода не превосходила a и неверность проверяемой гипотезы вскрывалась с вероятностью не меньшей, чем некоторое 1– объем выборки должен быть не меньше, чем:

– для односторонней проверки и

– для двусторонней проверки ( – отклонение второго среднего от первого).

Только при таком числе испытаний мы можем быть уверены в том, что, если верна гипотеза Н₀, то мы ее отбросим с вероятностью, не меньшей, чем ; а если верна гипотеза Н₁, то ее отбросить мы можем с вероятностью, не большей .

Для того чтобы обеспечить требования к ошибкам 1-го и 2-го рода за минимальное число испытаний, можно применить процедуру последовательного статистического анализа.

При применении этого метода необходимое число наблюдений не фиксируется заранее, а определяется в процессе эксперимента.

Суть этого метода состоит в том, что область значений в n-мерном пространстве значений выборки делится на три части: критическую для гипотезы Н₀ (ее вероятность при условии, что верна гипотеза Н₀ равна ), критическую для гипотезы Н₁ (ее вероятность при условии, что верна гипотеза Н₁ равна) и область неопределенности. Эксперимент продолжается, пока выборочные значения не попадут в одну из критических областей – или критическую для гипотезы Н₀, или критическую для гипотезы Н₁.

Недостатком метода последовательного анализа является необходимость на каждом шаге заново вычислять значения оценок. Но есть оценки, для которых это сделать нетрудно.

Например, обозначим через m номер шага.

Пересчет оценок от шага к шагу можно провести по формулам:

.

Метод последовательного анализа построен на совсем иной теоретической основе, чем те методы, которые мы до сих пор рассматривали. Этот иной подход к решению задач основан на изучении функции правдоподобия.