检验的优良性

1 Neyman-Pearson引理

定义:最优势检验

  • 声明
    $$
    检验问题:H_0:\theta=\theta_0,H_1:\theta=\theta_1
    $$
  • 条件
    $$
    存在检验水平\alpha的检验函数\varphi^\in\varPhi_\alpha,\
    任一水平为\alpha的检验\varphi\in\varPhi_\alpha,有:\
    E_{\theta_1}(\varphi^
    (x))\geq E_{\theta_1}(\varphi(x))成立\
    $$
  • 结论
    $$
    成检验函数\varphi^*为假设检验的水平为\alpha的最优势检验。(MPT)
    $$

定理:Neyman-Pearson基本引理

  • 声明
    $$
    检验水平\alpha,检验函数\varphi(x),\varphi\in\varPhi_\alpha
    $$
  • 条件
    $$
    \varphi(x)=\begin{cases}
    1,\lambda(x)>k\
    0,\lambda(x)<k
    \end{cases}\
    E_{\theta_0}(\varphi(x))=\alpha\
    检验函数\varphi(x)是检验水平为\alpha的最优势检验\
    似然比统计量\lambda(x)=\frac{p(x;\theta_1)}{p(x;\theta_1)}\
    $$
  • 结论
    $$
    存在常数k\geq0使得检验函数满足:\
    \varphi(x)=\begin{cases}
    1,\lambda(x)>k\
    0,\lambda(x)<k
    \end{cases}\
    如果E_{\theta_1}(\varphi(x))<1,则\varphi(x)满足:\
    E_{\theta_0}(\varphi(x))=\alpha\
    $$

2 一致最优势检验

定义:一致最优势检验

  • 条件
    $$
    检验水平\alpha的检验函数\varphi^*\in\Theta_\alpha\
    对任意水平\alpha的检验函数\varphi满足不等式:\

E_{\theta}(\varphi^*(x))\geq E_\theta(\varphi(x))
$$

  • 结论
    $$
    则称\varphi^*(x)为水平为\alpha的一致最优势检验,记为UMPT。
    $$

一致最优势检验将参数的范围从$\theta_1$扩大到了$\theta$。如果最优势检验,不依赖于备择假设的参数,则可扩大备择假设,并由最优势检验获得一致最优势检验。扩大了NP引理。

定理:一致最优势检验存在定理

  • 声明
    $$
    样本(x_1,\dotsm,x_n)\
    联合分布函数p(x;\theta)
    $$
  • 条件
    $$
    p(x;\theta)=d(\theta)h(x)exp{c(\theta)T(x)}\
    \theta是实值函数,c(\theta)是关于\theta严格单调增函数\
    单侧假设检验H_0:\theta\leq\theta_0,H_1:\theta>\theta_0
    $$
  • 结论1
    $$
    水平为\alpha 的一致最优势检验存在\
    检验函数为:
    \varphi^(x)=\begin{cases}
    1, T(x)>c\
    r,T(x)=c\
    0,T(x)<c
    \end{cases}\
    常数c,r\in[0,1],E_{\theta_0}(\varphi^
    (x))=\alpha
    $$
  • 结论2
    $$
    水平为\alpha的一致最优势函数\varphi^(x)的势函数E_{\theta_0}(\varphi^(x))是\theta的单调递增函数。
    $$
  • 结论3
    $$
    c(\theta)单调递减,可以添加符号。\
    H_0:\theta=\theta_0,H_1:\theta>\theta_0结论成立\
    H_0:\theta=\theta_0,H_1:\theta<\theta_0修改检验符号\
    H_0:\theta\geq\theta_0,H_1:\theta<\theta_0修改检验符号\
    $$

定理:双侧一致最优势检验存在定理

  • 声明
    $$
    样本(x_1,\dotsm,x_n)\
    联合分布函数p(x;\theta)
    $$

  • 条件
    $$
    p(x;\theta)=d(\theta)h(x)exp{c(\theta)T(x)}\
    \theta是实值函数,c(\theta)是关于\theta严格单调增函数\
    双侧假设检验H_0:\theta\leq\theta_1,或\theta\geq\theta_2,H_1:\theta_1<\theta>\theta_2
    $$

  • 结论
    $$
    水平为\alpha 的一致最优势检验存在\
    检验函数为:
    \varphi^(x)=\begin{cases}
    1, c_1<T(x)<c_2\
    r_i,T(x)=c_i,i=1,2\
    0,T(x)<c_1或T(x)>c_2
    \end{cases}\
    常数c,r\in[0,1],E_{\theta_1}(\varphi^
    (x))=\alpha,E_{\theta_2}(\varphi^*(x))=\alpha
    $$

3 一致最优势无偏检验

定义:无偏检验

  • 声明
    $$
    检验类型:H_0:\theta=\Theta_0,H_1:\theta\in\Theta_1
    $$
  • 条件
    $$
    势函数g_\varphi(\theta)=E_\theta(\varphi(x))满足:
    \begin{cases}
    g_\varphi(\theta)\leq\alpha,\theta\in\Theta_0\
    g_\varphi(\theta)\geq\alpha,\theta\in\Theta_1
    \end{cases}
    $$
  • 结论

$$
\varphi(x)是水平为\alpha的一致最优势检验就一定是无偏检验。
$$

定义:一致最优势无偏检验

  • 声明

$$
检验类型:H_0:\theta=\Theta_0,H_1:\theta\in\Theta_1
$$

  • 条件

$$
存在检验水平为\alpha的无偏检验函数\varphi^(x)\
使得任意水平\alpha任意的\theta的无偏检验函数满足不等式:\
E_{\theta}(\varphi^
(x))\geq E_\theta(\varphi(x))

$$

  • 结论
    $$
    称检验函数\varphi^*为水平为\alpha的一直最优势无偏检验UMPUT
    $$

定理:一致最优势无偏检验存在定理

  • 声明
    $$
    样本(x_1,\dotsm,x_n)\
    联合分布函数p(x;\theta)
    $$

  • 条件
    $$
    p(x;\theta)=d(\theta)h(x)exp{c(\theta)T(x)}\
    \theta是实值函数,c(\theta)是关于\theta严格单调增函数\
    双侧假设检验H_0:\theta\leq\theta_1,或\theta\geq\theta_2,H_1:\theta_1<\theta>\theta_2
    $$

  • 结论
    $$
    水平为\alpha 的一致最优势无偏检验存在\
    检验函数为:
    \varphi^(x)=\begin{cases}
    1, T(x)<c_1或T(x)>c_2\
    r_i,T(x)=c_i,i=1,2\
    0,c_1<T(x)<c_2
    \end{cases}\
    常数c,r\in[0,1],E_{\theta_1}(\varphi^
    (x))=\alpha,E_{\theta_2}(\varphi^*(x))=\alpha
    $$

定理:一致最优势无偏检验存在定理

  • 声明
    $$
    样本(x_1,\dotsm,x_n)\
    联合分布函数p(x;\theta)
    $$

  • 条件
    $$
    p(x;\theta)=d(\theta)h(x)exp{c(\theta)T(x)}\
    \theta是实值函数,c(\theta)是关于\theta严格单调增函数\
    双侧假设检验H_0:\theta=\theta_1,H_1:\theta\not =\theta_2
    $$

  • 结论
    $$
    水平为\alpha 的一致最优势无偏检验存在\
    检验函数为:
    \varphi^(x)=\begin{cases}
    1, T(x)<c_1或T(x)>c_2\
    r_i,T(x)=c_i,i=1,2\
    0,c_1<T(x)<c_2
    \end{cases}\
    常数c,r\in[0,1],E_{\theta_1}(\varphi^
    (x))=\alpha,E_{\theta_2}(\varphi^*(x))=\alpha
    $$