Apa yang disyaratkan oleh lemma Neyman-Pearson terhadap hipotesis?

Dalam bentuk dasarnya, baik hipotesis nol maupun alternatif harus sederhana, yang berarti masing-masing sepenuhnya menentukan distribusi; perluasan menangani hipotesis komposit melalui rasio kemungkinan monoton atau ketidakberpihakan.

Mengapa randomisasi terkadang menjadi bagian dari uji optimal?

Dalam pengaturan diskrit, tidak ada wilayah penolakan tetap yang mungkin memiliki ukuran yang diinginkan secara tepat, sehingga uji optimal merandomisasi keputusannya pada batas untuk mencapai ukuran target secara tepat.

Lemma Neyman-Pearson

Lemma Neyman-Pearson adalah hasil fundamental dari pengujian hipotesis: untuk dua hipotesis sederhana, uji yang menggunakan ambang rasio kemungkinan adalah yang paling kuat pada ukuran tertentu.

Temukan Topik dengan PaperMindSegeraFind papers & topics

Tools & resources

Unduh salindia

Learn & explore

VideoSegera

Definition

Lemma Neyman-Pearson menyatakan bahwa, untuk menguji hipotesis nol sederhana terhadap hipotesis alternatif sederhana pada ukuran tetap, uji paling kuat menolak hipotesis nol ketika rasio kemungkinan alternatif terhadap kemungkinan nol melebihi konstanta, dengan randomisasi pada batas.

Scope

Topik ini mencakup hipotesis nol sederhana dan hipotesis alternatif sederhana, statistik rasio kemungkinan, konstruksi uji paling kuat dengan mengambangkan rasio tersebut, penggunaan randomisasi untuk mencapai ukuran yang tepat dalam masalah diskrit, keberadaan dan keunikan uji paling kuat, dan peran lemma sebagai blok bangunan untuk uji paling kuat dan tidak bias secara seragam.

Core questions

Mengapa rasio kemungkinan merupakan statistik uji yang optimal untuk dua hipotesis sederhana?
Bagaimana ambang penolakan dipilih untuk mencapai ukuran yang ditentukan?
Kapan randomisasi diperlukan untuk mencapai ukuran yang tepat, dan bagaimana cara kerjanya?
Bagaimana lemma ini digeneralisasi ke hipotesis komposit?

Key theories

Uji rasio kemungkinan paling kuat: Di antara semua uji dengan ukuran tertentu, uji yang menolak ketika rasio kemungkinan melebihi konstanta memaksimalkan kekuatan; uji lain dengan ukuran yang sama tidak memiliki kekuatan yang lebih besar terhadap alternatif.
Uji acak dan ukuran tepat: Dalam masalah diskrit, ukuran yang tepat mungkin memerlukan keputusan acak pada batas wilayah penolakan, yang dimasukkan oleh lemma untuk menjaga sifat paling kuat tetap tepat.

Clinical relevance

Ambang rasio kemungkinan adalah aturan keputusan optimal dalam deteksi sinyal, radar, dan klasifikasi diagnostik, di mana ia mendefinisikan karakteristik operasi penerima dan menetapkan trade-off yang dapat dicapai antara tingkat deteksi dan tingkat alarm palsu.

History

Neyman dan Pearson menerbitkan lemma ini dalam makalah mereka tahun 1933 yang memperkenalkan kerangka dua hipotesis, probabilitas kesalahan, dan kekuatan, menggantikan pengujian signifikansi murni Fisherian sebagai dasar optimalitas subjek.

Key figures

Jerzy Neyman
Egon Pearson
Erich L. Lehmann
Joseph P. Romano

Seminal works

neymanPearson1933

Frequently asked questions

Apa yang disyaratkan oleh lemma Neyman-Pearson terhadap hipotesis?: Dalam bentuk dasarnya, baik hipotesis nol maupun alternatif harus sederhana, yang berarti masing-masing sepenuhnya menentukan distribusi; perluasan menangani hipotesis komposit melalui rasio kemungkinan monoton atau ketidakberpihakan.
Mengapa randomisasi terkadang menjadi bagian dari uji optimal?: Dalam pengaturan diskrit, tidak ada wilayah penolakan tetap yang mungkin memiliki ukuran yang diinginkan secara tepat, sehingga uji optimal merandomisasi keputusannya pada batas untuk mencapai ukuran target secara tepat.