Проверка статистических гипотез. Статистика критерия. Критические области. Ошибки первого и второго рода. Уровень значимости.⚓︎
Х
– случайная величина. Относительно распределения Х
выдвинута гипотеза. Если гипотеза описывается однозначно, то это простая гипотеза, если гипотеза описывает некий класс распределений, то гипотеза сложная
Для проверке сложной гипотезы Н0, касающейся распределения Х
, по её выборке ({x_1, x_2, \ ... \ x_n}), также выдвигается альтернативная гипотеза Н1. И гипотеза Н0 проверяется против альтернативы Н1
Статистика критерия – статистика t ({x_1, x_2, \ ... \ x_n}) (числовая функция от переменных {x_1, x_2, \ ... \ x_n}), значения которой ощутимо отличаются в случае, когда верна гипотеза Н0 , и в случае, когда верна альтернатива Н1
По основному требованию, предъявляемому к проверке статистических гипотез, решение относительно справедливости Н0 и Н1 должно быть вынесено и носить однозначный характер. Поэтому область значения разбивается на А0 и А1, которые не пересекаются. Гипотеза Н0
применяется, если t ({x_1, x_2, \ ... \ x_n}) ϵ А0 или применяется альтернатива Н1, если t ({x_1, x_2, \ ... \ x_n}) {\in А_ 1}. А0 – область принятия гипотезы Н0, А1 – критическая область для альтернативы Н1, и наоборот
Ошибка первого рода
– гипотеза Н0 отклонена, хотя на самом деле верна
Ошибка второго рода
– альтернатива Н1 будет отклонена, хотя на самом деле верна (гипотеза Н0 принимается, хотя неверна)
Уровень значимости
– задаётся положительное число ε
близкое к нулю, вероятность ошибки первого рода не превосходит его. При этом вероятность второго рода стараются сделать минимальной. Это соотношение позволяет находить пороговые значения, разделяющие критические области {А_0} и {А_1}.
{P_{H0} (t \in A_0) = \varepsilon}
Созданный: 2021-06-19