36似然比检验.pptVIP

N-P基本引理： 设 和 是可测空间(X,B)上的两个不同的概率 测度,关于某个 有限的测度 ,有 则对检验问题:简单原假设 : 对简单备择假设 ： (1)对给定的 存在一个检验函数 及常 数 ,使得 (3.10) (3.11) (2)由上式确定的检验函数 是水平为 的MPT. 反之，如果 是水平为 的MPT ,则一定存在常 数 ,使得 满足（3.11）式（a.e.[u]). N-P基本引理告诉我们，简单原假设对简单备择假 设的检验问题中，最优势检验由似然比检验给出。 事实上，似然比检验方法也可以用在复合假设的检 验问题中构造检验。 设 的分布密度函数是 .简 单原假设 : 对简单备择假设 : 的检验似然比为 复合假设的检验问题： 原假设 ： 对备择假设 ： 定义似然然比 其中， 和 分别是 和 成立时， 的MLE, 是原假设 成立时,观察到样本点 的可能性 的一个度量，而 是备择假设 成立时，观察 到样本点 的可能性的一个度量. 在 比较大时，备择假设成立观察到样本点 的可能性比较大。因此，在 比较大时拒绝 原假设。故取检验的拒绝域为 这个检验方法常用于区分样本来自这类分布，还是那类分布的检验问题。 例3.14 设有样本 .考虑检验问题， 原假设和备择假设分别是 : 样本来自正态分布 ,其密度函数为 和 :样本来自双参数指数分布族 ,其密度 函数为 或0,在 或 原假设成立时， 和 的MLE分别为 备择假设成立时， 和 的MLE分别为 其中， 由于 关于D严格增加,所以拒绝域可取 由于 ， 其中 所以,不论原假设为真,还是备择假设为真,D的分布 与 和 无关.原假设为真时，检验犯第一类错误的 概率为 样本来自标准正态分布 . 备择假设为真时，检验犯第二类错误的概率为 样本来自标准指数分布 简单原假设对简单备择假设的似然比 的 另一个很自然的推广为 其中 是 ,即 没有受到限制时的MLE； 是原假 设 ： 成立时,即 受到限制时MLE. 显然 .检验的拒绝域 似然比的这种推广较前者普遍.它常用于参数假设 检验问题. 例3.15 设样本 来自正态分布 考虑检验问题, 原假设 对备择假设 原假设 成立时， 的MLE为 而备择假设 成立时,即均值 和方差 皆未知时， 和 的MLE分别为 和 ， 因而似然比 其中 显然， 是 的严增函数.故拒绝域可取为 原假设 成立时， 故取 .这就是常用的t检验法. 似然比检验适用面广,构造出来的检验具有某种优 良性,因此是假设检验的一个重要方法. 一般来说，难以求得似然比统计量的精确分布。因 而有必要求，在样本容量趋于无穷时,似然比统计 量的极限分布.Wilks证明了关于似然比统计量的极 限分布的定理.下面就简单原