指数分布复杂假设问题的序贯概率比检验.docxVIP

指数分布复杂假设问题的序贯概率比检验 1 引言 指数分布作为一种重要的寿命分布 , 常常需要研究与之有关 的假设检验问题 , 找到一种既简单又实用的检验方法一直备受科 技工作者的关注。出于节约费用、节省时间等问题的考虑 , 我们 希望所需要的样本容量尽可能小。对于简单假设检验问 题：“;”(),有关序贯分析的文献，譬如已经证明了 SPRT佥验法 所需要的平均样本容量最小。 文献就指数分布情形下的简单假设 检验问题作了讨论，并从理论和随你模拟两方面说明了 SPRT方 法的优越性 , 而实际中更多的是遇到一些复杂假设问题 , 如 “; ” (), 陈家鼎针对此问题给出了基于指数分布的渐近最优的 序贯检验法 , 理论上很有价值 , 只是实际应用较为麻烦也不宜理 解。文献对此类问题做了粗略的讨论 , 关于指数分布的检验问题 也有过不少的讨论 , 例如 , 但未看到有文献针对此问题给出较为 具体的实用方法。 本文把简单假设问题的检验法用于此类复杂问 题, 通过大量的随机模拟数据说明 : 此法简单易行 , 所需样本量小 具有一定的实用价值。 2 提出问题 设是来自总体X的样本,X服从指数分布，且关于某有限测度 有分布密度 (;) 其中,是自然参数空间 , 未知. 研究假设检验问题 : (II) 这里是已知数且 . 记 提出问题 : 给定检验水平 如何能找到一种操作方便、 且平均样本容量较小的检验法？ 3 一个简单易行的SPRT^验法 仍然采用针对简单假设问题给出的的检验法 : 令则 给定检验水平 , 取 () 即 当时 , 停止试验 , 接受 H1; 当时,停止试验 , 拒绝 H1; 这里有 若记 诸多文献已经证明 今对于复杂假设问题 (II), 检验法有如下结果 : 定理 1: 对于一切 ,恒有;对于一切 , 恒有. 要说明定理 1 的正确性需要以下引理和定理 2 引理:设 ,,且,U是(0,1)上的均匀分布随机变量，则存在函数，使 而且的分布函数是 . 证明:令 显然有 利用的右连续性知 : 定理 2: 设是上独立同分布的随机变量列 , 令 若对一切 , 有, 则是的不增函数 . 证明: 给定, 从引理可知有 (0,1) 上的函数和 (一切 x), 且的分 布函数是 ,U 是(0,1) 上的均匀分布随机变量 . 设是某概率空间上 独立同服从 (0,1) 上均匀分布随机变量列 , 令 则 于是 因此是的不增函数 . 4 随机模拟的结果 给定检验水平 : ,,ASN 表示 1000 次随机模拟实际所需的样本量平均值 , 表示 1000次随机模拟实际所犯的第一 (第二)类错误的频率 ( 可近似视 为概率 ). 模拟结果见表 1: 结论 1: 该检验法用于复杂检验问题 (II) 是可行的 , 且可以节 约不少的成本 . 大量的试验还表明 : 少数的几次试验 (譬如不超 过 10 次) 是不会判断错误的 . 譬如图 1 由图 1不难看出 , 在模拟试验的约前 90次均未出现一次判断 错误的情况。 由表 1 还不难看出 : 当时, 犯第一类错误的频率和所需样本 量都在迅速下降 ,譬如时 ,出错的频率已经为 0.00, 所需样本量远 不足时的 1/2; 同样,当时, 也有同样的结果 . 我们可能会问 :如果提出的假设不合适 ,譬如参数的真值 , 那 么前面给出的检验法是否会对我们的工作有所帮助呢？先看表 2 的数据 : 这里同样给定检验水平 :,,ASN 表示 100 次随机模拟实际所 需的样本量平均值 , 由表 2 不难看出 , 当参数真值介于与之间时 , 所需样本量大 大增加（在 60附近波动 ,） 差不多是的两倍 ,同时,犯错误的频率 也大大增加 .特别地 :若参数真值比较接近 ,即,则接受原假设的 频率就会明显大于后者 ,反之亦然 .当参数真值在与构成的区间 中点波动时 , 接受原受假设和备择假设的频率常常近乎各占 50％. 此外作者还做了大量的模拟试验 , 譬如 1000次、 5000次, 甚至更 多次试验 , 所得结果与表 2 是一致的 . 结论 2:根据历史资料可修正我们提出的假设 , 以提高检验的 效率.譬如接受H2的频率大于接受H1的频率,则说明参数更加接 近. 5 结束语 本文未能就该检验法给出平均样本量的一个理论估计值 , 即 当（ 或） 时的近似值未能给出 , 但从表 1 以及大量的模拟数据来 看:（ 或）, 广大科技工作者可以放心使用 . 下一步可试从理论的角 度进行研究 , 以使我们的方法更有据可查。