26序贯分析初步.pdfVIP

序贯分析初步 序贯方法的重要性与两个要素 大家知道，统计学里最基本的概念是总体与样本。总体常用随机变量 （或随 机向量）来刻划，它的特性是用分布函数来描述，样本则是由总体中抽取的 （或 观测到的）若干个个体（样单元）组成，它是由一组随要变量（向量）来刻划， 样本中所含的样单元个数叫做样本量。统计学的基本任务是通过样本来推测或掌 握总体的特性。一个很基本的问题是：样本量要取多大？当然样本量越大，对总 体的了解就越多，因此对总体作出的推断也就越可靠。但是抽样（或进行观测） 是需要费用的，抽样量越大，耗费就越大。合理的提法是，在保证所得结论是足 够可靠性的前提下，应使得抽样量越小越好。通常的统计方法都 是在抽样之前 预先给定抽样量的大小，实践表明，这种固定样本量的方法能解决很多问题，便 在有些情况下使用这种方法导致不必要的浪费。还存在这样的情况：使用固定样 本量方法（无论样本量多大），根本不能解决问题。请看下列例子。 例1.1 （单式抽样方案）设有一批产品 （共N 件，N 很大）须经验收检验， 每个产品经过检验可判定为合格还是不合格。最简单的验收方案是选定两个整数 n c ≥0 ，从该批产品中随机抽取n 件，如果这n 件中所含朱合格品件数dc， 则拒收该批产品；若 d ≥c，则接收该批产品。很明显，这个验收方案的样本量 （抽样量）是固定的整数n ，但是在抽样的过程中，如果未抽到n 件就已抽到c+1 个不合格品，就没有必要再往下抽样。换句话说，在有些情况下事先固定样本量 要造成浪费，这就启示我们：应根据抽样过程中出现的情况来决定抽样量。 例1.2 研究一枚不匀称的硬币，我们把有币值的一面叫正面，另一面叫反面。 1 在桌上任意抛掷一次，问：正面朝上的概率是否大于 ？我们可以用随机变量X 2 刻划这枚硬币。当正面朝上时，X=1 ；反面朝上时X=0 ，记p=P （X=1 ）。当然 1 1 0 p p 1 0p1 。上述问题可化为检验零假设H 1 ： （备择假设是H 2 ： ）。 2 2 1 若拒绝H 1 ，则表胆正面朝上的概率大于 ；若接受H 1 ，则表胆正面朝上的概率 2 1 小于 。在进行检验时，每 “抽一个样”就是将硬币任意抛掷一次。给定小正数 2 ⎛ 1 ⎞ α 0 α ，问：是否有固定样本量的检验法使得犯两类错误的概率都一致小 ⎜ ⎟ ⎝ 2 ⎠ 于α 呢？可以证明，这个问题的答案是否定的，也就是说，无论预先固定的样本 量有多大，也无济于事。 2 例1.3 设X ~ N (µ,σ ) ，µ,σ都未知。给定γ ∈(0,1) 及L0 ，问：µ是否有 固定样本量的置信区间[ϕ (X ,L,X ),ϕ (X ,L, X )] 使得置信水平是γ ，区间宽 1 1 n 2 1 n 度不超过L ？可以证明，这个问题的答案是否定的。也就是说，无论固定的样本 量多大，不存在固定宽度的置信区间（详见§3 ）。 上述三个例子是有代表性的，表明了固定样本量方法的局限性。第一个例子 表明固定样本量方法有时效率不高，第三、三个例子表明固定样本量方法有时无 能为力。统计学发展史上的一个重要里程碑就是序贯方法的出现。人们在40 年 代普遍认识到样本量不必预先固定，可以根据抽样 （或观测）过程出现