Lema de Neyman-Pearson
El lema de Neyman-Pearson es el resultado fundamental de las pruebas de hipótesis: para dos hipótesis simples, la prueba que umbraliza la razón de verosimilitud es la más potente para cualquier tamaño dado.
Definition
El lema de Neyman-Pearson establece que, para probar una hipótesis nula simple contra una alternativa simple a un tamaño fijo, la prueba más potente rechaza la hipótesis nula cuando la razón de la verosimilitud alternativa a la nula excede una constante, con aleatorización en el límite.
Scope
Este tema abarca las hipótesis nulas y alternativas simples, el estadístico de razón de verosimilitud, la construcción de la prueba más potente mediante el umbral de esa razón, el uso de la aleatorización para lograr un tamaño exacto en problemas discretos, la existencia y unicidad de la prueba más potente, y el papel del lema como base para pruebas uniformemente más potentes e insesgadas.
Core questions
- ¿Por qué la razón de verosimilitud es el estadístico de prueba óptimo para dos hipótesis simples?
- ¿Cómo se elige el umbral de rechazo para lograr un tamaño prescrito?
- ¿Cuándo se necesita la aleatorización para alcanzar un tamaño exacto y cómo funciona?
- ¿Cómo se generaliza el lema a hipótesis compuestas?
Key theories
- Prueba de razón de verosimilitud más potente
- Entre todas las pruebas de un tamaño dado, aquella que rechaza cuando la razón de verosimilitud excede una constante maximiza la potencia; cualquier otra prueba del mismo tamaño no tiene mayor potencia contra la alternativa.
- Pruebas aleatorizadas y tamaño exacto
- En problemas discretos, un tamaño exacto puede requerir una decisión aleatorizada en el límite de la región de rechazo, lo que el lema incorpora para mantener la propiedad de ser la más potente de forma exacta.
Clinical relevance
El umbral de la razón de verosimilitud es la regla de decisión óptima en la detección de señales, el radar y la clasificación diagnóstica, donde define la característica operativa del receptor y establece el compromiso alcanzable entre la tasa de detección y la tasa de falsas alarmas.
History
Neyman y Pearson publicaron el lema en su artículo de 1933 que introdujo el marco de dos hipótesis, probabilidades de error y potencia, desplazando las pruebas de significación puramente fisherianas como fundamento de optimización de la disciplina.
Key figures
- Jerzy Neyman
- Egon Pearson
- Erich L. Lehmann
- Joseph P. Romano
Related topics
Seminal works
- neymanPearson1933
Frequently asked questions
- ¿Qué exige el lema de Neyman-Pearson de las hipótesis?
- En su forma básica, tanto la hipótesis nula como la alternativa deben ser simples, lo que significa que cada una especifica completamente la distribución; las extensiones manejan hipótesis compuestas a través de razones de verosimilitud monótonas o insesgadez.
- ¿Por qué la aleatorización forma parte a veces de la prueba óptima?
- En entornos discretos, ninguna región de rechazo fija puede tener exactamente el tamaño deseado, por lo que la prueba óptima aleatoriza su decisión en el límite para alcanzar el tamaño objetivo con precisión.