奈曼-皮尔逊引理
奈曼-皮尔逊引理是假设检验的基础性结果：对于两个简单假设，以似然比为阈值的检验在任何给定显著性水平下都是最强大的。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
奈曼-皮尔逊引理指出，在固定显著性水平下检验简单原假设与简单备择假设时，最强大的检验是在备择假设与原假设似然比超过一个常数时拒绝原假设，并在边界上进行随机化。
Scope
本主题涵盖简单原假设和简单备择假设、似然比统计量、通过对该比率设置阈值来构建最强大的检验、在离散问题中使用随机化以达到精确的显著性水平、最强大检验的存在性和唯一性，以及该引理作为一致最强大和无偏检验的基石作用。
Core questions
- 为什么似然比是两个简单假设的最佳检验统计量？
- 如何选择拒绝阈值以达到预设的显著性水平？
- 何时需要随机化才能达到精确的显著性水平，它是如何运作的？
- 该引理如何推广到复合假设？
Key theories
- 最强大的似然比检验
- 在所有给定显著性水平的检验中，当似然比超过一个常数时拒绝原假设的检验能最大化功效；任何其他相同显著性水平的检验对备择假设的功效都不会更高。
- 随机化检验和精确显著性水平
- 在离散问题中，精确的显著性水平可能需要在拒绝区域的边界上进行随机决策，引理纳入了这一点以保持最强大性质的精确性。
Clinical relevance
似然比阈值是信号检测、雷达和诊断分类中的最佳决策规则，它定义了接收器操作特性，并设定了检测率和虚警率之间可实现的权衡。
History
奈曼和皮尔逊在1933年发表了该引理，他们的论文引入了双假设、错误概率和功效的框架，取代了纯粹的费希尔显著性检验，成为该学科最优性的基础。
Key figures
- Jerzy Neyman
- Egon Pearson
- Erich L. Lehmann
- Joseph P. Romano
Related topics
Seminal works
- neymanPearson1933
Frequently asked questions
- 奈曼-皮尔逊引理对假设有什么要求？
- 在其基本形式中，原假设和备择假设都必须是简单的，这意味着每个假设都完全指定了分布；通过单调似然比或无偏性，可以处理复合假设的扩展。
- 为什么随机化有时是最佳检验的一部分？
- 在离散设置中，没有固定的拒绝区域可能恰好具有所需的显著性水平，因此最佳检验会在边界上随机化其决策，以精确达到目标显著性水平。