Файл: Лекции (Теория вероятности).pdf

Пример 17.3 Построение оптимального критерия Неймана Пирсона для параметра ¹ нормального закона распределения с известной дисперсией ¾2 проведем для случая двух простых гипотез

является минимально возможной при данном значении ®.

Пример 17.4 Если в условиях примера 17.3 неравенство ¹0 < ¹1 заменить неравенством ¹1 < ¹0, то в этом случае критическое множество W задается неравенством

Xn

xi 6 C;

i=1

81

где константу C выбирают из условия

Из последнего равенства находим C = n¹0 ¡ u1¡®¾pn.

Сложные параметрические гипотезы

Предположим, что требуется проверить две сложные гипотезы

где £0, £1 некоторые непересекающиеся области значений параметра µ. Например, области £0, £1 могут быть заданы неравенствами µ 6 µ0 и µ > µ1, где µ0 и µ1 некоторые фиксированные значения параметра, удовлетворяющие неравенству µ0 < µ1.

Критерий проверки сложных гипотез (17.6) по-прежнему задается с помощью критического

~

множества W реализаций случайной выборки Xn, на основе которого решение принимают следующим образом:

~

² если реализация ~xn случайной выборки Xn принадлежит критическому множеству W , тогда

основную гипотезу H0 отвергают и принимают альтернативную гипотезу H1;

~

² если реализация ~xn случайной выборки Xn не принадлежит критическому множеству W , тогда отвергают альтернативную гипотезу H1 и принимают основную гипотезу H0.

Вероятности совершения ошибок первого и второго рода в случае сложных гипотез имеют прежний смысл и определяются выражениями

®(µ) = P©(X1;:::;Xn) 2 W j µª; µ 2 £0; ¯(µ) = P©(X1;:::;Xn) 2 W j µª; µ 2 £1:

В отличие от случая простых гипотез, величины ®(µ), ¯(µ) являются некоторыми функциями от параметра µ.

Максимально возможное значение вероятности совершения ошибки первого рода

® = max ®(µ)

µ2£0

называют размером критерия.

Функцию M(µ) = P©(X1;:::;Xn) 2 W j µª;

определяющую значение вероятности отклонения основной гипотезы H0 в зависимости от истинного значения параметра µ, называют функцией мощности критерия. Если существует критерий, который при данном фиксированном размере ® максимизирует функцию мощности M(µ) по всем возможным критериям одновременно при всех µ из множества £1, то такой критерий называют равномерно наиболее мощным. Равномерно наиболее мощные критерии существуют лишь в некоторых частных случаях при проверке гипотез относительно одномерных параметров (см. примеры 17.5–17.7).

Вероятности совершения ошибок первого и второго рода связаны с функцией мощности следующими соотношениями:

Тем самым равномерно наиболее мощный критерий, если он существует, минимизирует вероятность совершения ошибки второго рода ¯(µ) (при фиксированном размере ®) одновременно при

всех µ 2 £1.

Построение критериев для проверки сложных параметрических гипотез проиллюстрируем далее для случая нормальной модели.

82

Пример 17.5 Рассмотрим проверку простой гипотезы H0: ¹ = ¹0 против сложной гипотезы H1: ¹ > ¹0 относительно параметра среднего ¹ нормального распределения при известной дисперсии ¾2.

При любом ¹1 > ¹0 критическая область оптимального наиболее мощного критерия Неймана Пирсона размера ® для простых гипотез ¹ = ¹0 против ¹ = ¹1 имеет вид (17.1), где константу C выбирают из условия (17.2) или (17.3). Поэтому она не зависит от ¹1. Это означает, что построенный уже выше для указанных простых гипотез критерий с критическим множеством, задаваемым неравенством (17.1)

является равномерно наиболее мощным критерием размера ® для данной задачи со сложной альтернативной гипотезой H1: ¹ > ¹0.

Пример 17.6 В условиях предыдущего примера рассмотрим проверку простой гипотезы H0: ¹ = ¹0 против сложной гипотезы H1: ¹ < ¹0.

В этом случае, используя результаты, полученные при рассмотрении примера 17.4, приходим к выводу, что равномерно наиболее мощный критерий размера ® для данной задачи задается критическим множеством, определяемым неравенством

Xn xi 6 C = n¹0 ¡ u1¡®¾pn:

i=1

Пример 17.7 В условиях примера 17.5 рассмотрим проверку двух сложных гипотез вида

где ¹0 < ¹1.

Заметим, что для критерия с критическим множеством (17.9) вероятность совершения ошибки

есть возрастающая функция переменного ¹. Тем самым максимальное значение вероятности совершения ошибки первого рода, определяемое как

® = max ®(¹);

¹6¹0

достигается в точке ¹ = ¹0, откуда следует, что данный критерий, применяемый к сложным гипотезам (17.10), имеет размер ® = ®(¹0).

Рассуждая далее так же, как в примере 17.5, получаем, что указанный критерий с критической областью (17.9) является равномерно наиболее мощным критерием для данной задачи со сложными гипотезами.

Пример 17.8 Рассмотрим проверку гипотез относительно параметра нормального распределения ¹ следующего вида:

H0 : ¹ = ¹0; H1 : ¹ 6= ¹0

(по-прежнему предполагаем, что дисперсия ¾2 известна).

В этом случае основная гипотеза H0 является простой, а альтернативная гипотеза H1 является сложной. При ¹ = ¹0 рассмотрим статистику

X¡ ¹0 pn;

¾

которая имеет стандартное нормальное распределение. Критическое множество для проверки указанных гипотез H0, H1 определим следующим образом:

jx ¡ ¹0jpn > u1¡®=2:

¾

Соответствующий критерий по построению имеет вероятность совершения ошибки первого рода ®.

Пример 17.9 Рассмотрим проверку двух сложных гипотез

83

относительно параметра ¹ нормального закона распределения в случае, когда дисперсия ¾2 неизвестна.

В отличие от примера 17.5 гипотеза H0 также является сложной. При ¹ = ¹0 статистика

имеет распределение Стьюдента с n ¡1 степенями свободы. Исходя из этого получаем, что критерий с уровнем значимости ® для гипотез (17.11) задается критическим множеством

x ¡ ¹0 pn > t1¡®(n ¡ 1); S(~xn)

где t1¡®(n ¡ 1) квантиль уровня 1 ¡ ® распределения Стьюдента с n ¡ 1 степенями свободы. Аналогично на основе статистики (17.12) строят критерий для проверки сложных гипотез

Для гипотез (17.13) критерий размера ® задается критическим множеством, определяемым нера-

венством

x ¡ ¹0 pn 6 ¡t1¡®(n ¡ 1): S(~xn)

Для гипотез вида (17.14) критерий размера ® задают критическим множеством, определяемым

неравенством

jx ¡ ¹0jpn > t1¡®=2(n ¡ 1): S(~xn)

Пример 17.10 Рассмотрим проверку гипотез о равенстве математических ожиданий для двух различных нормальных распределений.

Пусть определены две случайные выборки (X1;:::;Xn) и (Y1;:::;Ym) объемов n и m из генеральных совокупностей независимых случайных величин X » N(¹1;¾12) и Y » N(¹2;¾22) соответственно. Рассмотрим следующие задачи проверки сложных гипотез относительно параметров ¹1, ¹2 в случае, когда дисперсии ¾12, ¾22 известны:

имеет стандартное нормальное распределение. Исходя из этого, заключаем, что критерии размера ® для указанных задач задаются критическими множествами

Рассмотрим также задачу проверки гипотез (17.15)–(17.16) о равенстве средних двух нормальных распределений в предположении, что их дисперсии не известны, но равны между собой: ¾1 = ¾2 = ¾. Обозначим через

84

имеет также Â2-распределение с n + m ¡2 степенями свободы . Учитывая, что случайная величина (17.18) при ¹1 = ¹2 имеет стандартное нормальное распределение, получаем, что статистика

имеет распределение Стьюдента с n + m ¡ 2 степенями свободы . Поэтому критерии размера ® для проверки гипотез (17.15)–(17.16) задаются с помощью критических множеств, определяемых следующими неравенствами:

85