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

φΦα, 且φ1Φα:,(1.1)βφ(θ)βφ1(θ),θΘK,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

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=θ0K: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(,)中的一个有限或无限区间, θ0Θ的内点, Q(θ)关于θ严格单增, 则检验问题(2.2)H:θθ0K: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,0γ1.

同样地, (1.3) 可以改成: H:θθ0K:θ<θ0. 则只需把φ1,0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,,XnN(a,σ2), a,σ未知, 检验H:σσ0,aK:σ>σ0,a.可以证明, 水平α的 UMP 检验存在, 有否定域{(x1,,xn)|i=1n(xiX)2σ02χn12(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θ1ΘH,θ2ΘK, 总有βφ(θ1)βφ(θ2), 则称φ是 (1.1) 的一个无偏检验.

只管来看, φ:HK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

uUα, 且φ1Uα, 有(3.1)βφ(θ)βφ1(θ),θΘK,则称φ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:ll0;H3:ll0;H4:l1ll2.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,,XnN(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)).