Bổ đề Neyman-Pearson yêu cầu gì đối với các giả thuyết?

Ở dạng cơ bản, cả giả thuyết không và giả thuyết đối đều phải đơn, nghĩa là mỗi giả thuyết phải xác định đầy đủ phân phối; các mở rộng xử lý các giả thuyết phức hợp thông qua tỷ số khả năng đơn điệu hoặc tính không chệch.

Tại sao ngẫu nhiên hóa đôi khi là một phần của kiểm định tối ưu?

Trong các thiết lập rời rạc, không có vùng bác bỏ cố định nào có thể có chính xác kích thước mong muốn, vì vậy kiểm định tối ưu ngẫu nhiên hóa quyết định của nó tại biên để đạt được kích thước mục tiêu một cách chính xác.

Bổ đề Neyman-Pearson

Bổ đề Neyman-Pearson là kết quả nền tảng của kiểm định giả thuyết: đối với hai giả thuyết đơn, kiểm định ngưỡng tỷ số khả năng là kiểm định mạnh nhất ở bất kỳ kích thước nào.

Tìm chủ đề với PaperMindSắp ra mắtFind papers & topics

Tools & resources

Tải xuống bản trình chiếu

Learn & explore

VideoSắp ra mắt

Definition

Bổ đề Neyman-Pearson phát biểu rằng, để kiểm định một giả thuyết không đơn chống lại một giả thuyết đối đơn ở một kích thước cố định, kiểm định mạnh nhất bác bỏ giả thuyết không khi tỷ số khả năng của giả thuyết đối so với giả thuyết không vượt quá một hằng số, với việc ngẫu nhiên hóa tại biên.

Scope

Chủ đề này bao gồm các giả thuyết không đơn và giả thuyết đối đơn, thống kê tỷ số khả năng, việc xây dựng kiểm định mạnh nhất bằng cách đặt ngưỡng tỷ số đó, việc sử dụng ngẫu nhiên hóa để đạt được kích thước chính xác trong các bài toán rời rạc, sự tồn tại và tính duy nhất của kiểm định mạnh nhất, và vai trò của bổ đề như là khối xây dựng cho các kiểm định mạnh nhất đồng nhất và không chệch.

Core questions

Tại sao tỷ số khả năng là thống kê kiểm định tối ưu cho hai giả thuyết đơn?
Ngưỡng bác bỏ được chọn như thế nào để đạt được một kích thước đã định?
Khi nào cần ngẫu nhiên hóa để đạt được kích thước chính xác, và nó hoạt động như thế nào?
Bổ đề tổng quát hóa như thế nào đối với các giả thuyết phức hợp?

Key theories

Kiểm định tỷ số khả năng mạnh nhất: Trong số tất cả các kiểm định có cùng kích thước, kiểm định bác bỏ khi tỷ số khả năng vượt quá một hằng số sẽ tối đa hóa công suất; bất kỳ kiểm định nào khác có cùng kích thước đều không có công suất lớn hơn đối với giả thuyết đối.
Kiểm định ngẫu nhiên hóa và kích thước chính xác: Trong các bài toán rời rạc, một kích thước chính xác có thể yêu cầu một quyết định ngẫu nhiên hóa tại biên của vùng bác bỏ, điều mà bổ đề kết hợp để giữ cho tính chất mạnh nhất được chính xác.

Clinical relevance

Ngưỡng tỷ số khả năng là quy tắc quyết định tối ưu trong phát hiện tín hiệu, radar và phân loại chẩn đoán, nơi nó định nghĩa đặc trưng hoạt động của bộ thu (receiver operating characteristic) và thiết lập sự đánh đổi có thể đạt được giữa tỷ lệ phát hiện và tỷ lệ báo động sai.

History

Neyman và Pearson đã công bố bổ đề này trong bài báo năm 1933 của họ, giới thiệu khuôn khổ hai giả thuyết, xác suất lỗi và công suất, thay thế kiểm định ý nghĩa thuần túy của Fisher như là nền tảng tối ưu của chủ đề.

Key figures

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

Seminal works

neymanPearson1933

Frequently asked questions

Bổ đề Neyman-Pearson yêu cầu gì đối với các giả thuyết?: Ở dạng cơ bản, cả giả thuyết không và giả thuyết đối đều phải đơn, nghĩa là mỗi giả thuyết phải xác định đầy đủ phân phối; các mở rộng xử lý các giả thuyết phức hợp thông qua tỷ số khả năng đơn điệu hoặc tính không chệch.
Tại sao ngẫu nhiên hóa đôi khi là một phần của kiểm định tối ưu?: Trong các thiết lập rời rạc, không có vùng bác bỏ cố định nào có thể có chính xác kích thước mong muốn, vì vậy kiểm định tối ưu ngẫu nhiên hóa quyết định của nó tại biên để đạt được kích thước mục tiêu một cách chính xác.