3.3 一致最优检验与无偏检验

1 一致最优检验 Neyman-Pearson 基本引理

考虑 前面的假设检验问题(1.1), 指定α∈(0,1), 记Φα为该问题一切水平α检验的集合.

一致最优检验 UMP检验

若φ∈Φα, 且∀φ1∈Φα:,(1.1)βφ(θ)≥βφ1(θ),θ∈ΘK,称φ为一个水平α的一致最优检验, 简称水平α的 UMP 检验(Uniformly Most Powerful)

下面给出 Neyman-Pearson (NP) 基本引理:

定理 1.1 NP 基本引理

设X的分布有概率函数f(x,θ), θ∈{θ0,θ1}, 则∀α∈(0,1), ∃C,γ∈[0,1], 使(1.2)φα(x)={1,f(x,θ1)/f(x,θ0)>C,γ,f(x,θ1)/f(x,θ0)=C,0,f(x,θ1)/f(x,θ0)<C是检验问题(1.3)H:θ=θ0↔K:θ=θ1的水平α的 UMP 检验.

2 NP 引理用于求 UMP 检验

尽管 NP 引理要求θ∈{θ0,θ1}的取值非常有限, 却可以推出其他的 UMP 检验.

定理 2.1

X的分布为(2.1)f(x,θ)=C(θ)eQ(θ)T(x)h(x),
Θ为(−∞,∞)中的一个有限或无限区间, θ0为Θ的内点, Q(θ)关于θ严格单增, 则检验问题(2.2)H:θ≤θ0↔K:θ>θ0的水平α(α∈(0,1))的 UMP 检验存在, 为(2.3)φα(x)={1,T(x)>C,γ,T(x)=C,0,T(x)<C,其中Pθ0(T(X)>C)+γPθ0(T(X)=C)=α,0≤γ≤1.

同样地, (1.3) 可以改成: H:θ≥θ0↔K:θ<θ0. 则只需把φ的1,0的取值对调即可.

多参数检验的情况, UMP 检验并不是经常存在. 下面是一个结果:
X1,⋯,Xn∼N(a,σ2), a,σ未知, 检验H:σ≤σ0,∀a↔K:σ>σ0,∀a.可以证明, 水平α的 UMP 检验存在, 有否定域{(x1,⋯,xn)|∑i=1n(xi−X―)2≥σ02χn−12(α)}.

3 无偏检验, 一致最优无偏检验

无偏检验

依然考虑 前面的假设检验问题(1.1), 设φ是它的一个检验, βφ(θ)是功效函数. 若∀θ1∈ΘH,θ2∈ΘK, 总有βφ(θ1)≤βφ(θ2), 则称φ是 (1.1) 的一个无偏检验.

只管来看, φ:H↔K意味着H正确时被否定的概率要小于H错误时被否定的概率. 或者可以理解为, 这个检验考虑到了对立假设ΘK的参数值, 是全面的考虑, 没有偏袒.

一致最优无偏检验 UMPU检验

若u∈Uα, 且∀φ1∈Uα, 有(3.1)βφ(θ)≥βφ1(θ),∀θ∈ΘK,则称φ是 检验问题(1.1) 的一个**水平α的一致最优无偏检验 **(UMPU 检验)

UMPU 检验的适用范围广于 UMP 检验, 但仍不是很广. 具体的定理表述比较复杂, 简而言之, 如果 X 的概率函数满足(3.2)f(x,θ)=C(θ)exp⁡(∑i=1kθiTi(x))h(x),θ=(θ1,⋯,θk),

H只涉及一个参数或者是{θi}的线性型(具体而言, 记l=∑i=1kaiθi, ai为已知常数), 则H的形式只能为下列之一:H1:l=l0;H2:l≤l0;H3:l≥l0;H4:l1≤l≤l2.这是 UMPU 检验存在的必要条件.

有些时候需要对参数做变换以满足H的形式. 例如X1,⋯,Xn∼N(a,σ2), 概率函数见 这个例子, 可以记θ1=aσ2,θ2=−12σ2,T1(x)=∑i=1nxi,T2(x)=∑i=1nxi2, 则f~(x1,⋯,xn,θ1,θ2)=(−θ2π)n2exp⁡(nθ124θ2)exp⁡(θ1T1(x)+θ2T2(x)).