统计基础:3.2 |
您所在的位置:网站首页 › α错误与β错误关系图 › 统计基础:3.2 |
施行特征函数 定义若C是参数
θ
\theta
θ某检验问题的一个检验法,
β
(
θ
)
=
P
θ
(
接
受
H
0
)
\beta(\theta)=P_{\theta}(接受H_0)
β(θ)=Pθ(接受H0),称为检验法C的施行特征函数或者OC函数,其图形称为OC曲线。 若假定检验法的显著性水平α,即犯第一类错误的概率为
P
θ
∈
H
0
≤
α
,
则
当
P_{\theta \in H_0}≤α,则当
Pθ∈H0≤α,则当
θ
∈
H
0
\theta \in H_0
θ∈H0时,做出正确判断的概率为:
P
θ
∈
H
0
(
接
受
H
0
)
=
β
(
θ
)
P_{\theta \in H_0}(接受H_0)=\beta(\theta)
Pθ∈H0(接受H0)=β(θ) ≥ 1-α;则当$
θ
∈
H
1
\theta \in H_1
θ∈H1时,犯第二类错误的概率为
P
θ
∈
H
0
(
接
受
H
0
)
=
β
(
θ
)
=
β
P_{\theta \in H_0}(接受H_0)=\beta(\theta)=\beta
Pθ∈H0(接受H0)=β(θ)=β ,做出正确判断的概率为:
P
θ
∈
H
1
(
拒
绝
H
0
)
=
1
−
β
(
θ
)
P_{\theta \in H_1}(拒绝H_0)=1-\beta(\theta)
Pθ∈H1(拒绝H0)=1−β(θ) 。 在检验的过程中希望α与β都尽可能小,即做出正确判断的概率
P
θ
∈
H
0
(
接
受
H
0
)
=
β
(
θ
)
P_{\theta \in H_0}(接受H_0)=\beta(\theta)
Pθ∈H0(接受H0)=β(θ) ≥ 1-α与
P
θ
∈
H
1
(
拒
绝
H
0
)
=
1
−
β
(
θ
)
P_{\theta \in H_1}(拒绝H_0)=1-\beta(\theta)
Pθ∈H1(拒绝H0)=1−β(θ)都越大越好,但这种期望能否达到呢? 设总体
X
∼
N
(
u
,
σ
2
)
X\sim N(u,\sigma^2)
X∼N(u,σ2),其中u未知,σ已知,
X
1
,
X
2
,
.
.
.
,
X
n
X_1,X_2,...,X_n
X1,X2,...,Xn是来自X的样本。在显示性水平α下,对u进 行左侧检验:
H
0
:
u
≥
u
0
H_0:u≥u_0
H0:u≥u0 vs
H
1
:
u
<
u
0
H_1:u
−
z
α
−
u
−
u
0
σ
/
n
)
=
ϕ
(
z
α
+
λ
)
\beta(u)=P_u(接受H_0)=P_u(\frac{\bar X-u_0}{\sigma/ \sqrt n}>-z_α)=P_u(\frac{\bar X-u_0}{\sigma/ \sqrt n}>-z_α-\frac{ u-u_0}{\sigma/ \sqrt n})=\phi(z_\alpha+\lambda)
β(u)=Pu(接受H0)=Pu(σ/n
Xˉ−u0>−zα)=Pu(σ/n
Xˉ−u0>−zα−σ/n
u−u0)=ϕ(zα+λ) 其中,
λ
=
u
−
u
0
σ
/
n
\lambda=\frac{ u-u_0}{\sigma/ \sqrt n}
λ=σ/n
u−u0,其OC曲线如图所示: |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |