单侧参数假设检验的拒绝域

Posted on December 6, 2021
Tags:

参数的假设检验中有这样一种情况:

\[H_0:\mu\leq\mu_0,\quad H_1:\mu>\mu_0;\]

这种情况下怎么找拒绝域?尼电概率论课本讲的十分不清楚。

1 单侧区间估计

在区间估计部分有单侧置信区间的估计。

比如要估计\(\mu\)在某个可信度\(\alpha\)下的置信区间下限,也就是:

\[\mu\in[\mu_0,\infty]\]

做法是找一个\(\mu\)的良好估计量,构造统计量:

\[X=\frac{\bar{X}-\mu}{\sigma/\sqrt{n}}\sim N(0,1)\]

根据\(\mu\)的取值是哪一侧的来确定选择\(P(X>u_\alpha)=\alpha\)还是 选择\(P(X>u_{1-\alpha})=\alpha\) 然后把\(X\)带入,解出来\(\mu_0\).

2 单侧的参数假设检验

首先问题1:

\[H_0:\mu\leq\mu_0,\quad H_1:\mu>\mu_0;\]

和问题2:

\[H_0:\mu=\mu_0,\quad H_1:\mu>\mu_0;\]

有相同的拒绝域。

可以把问题1分为两部分。

\[\mu<\mu_0 \quad H_0:\mu\leq\mu_0,\quad H_1:\mu>\mu_0;\]

\[\mu>\mu_0 \quad H_0:\mu\leq\mu_0,\quad H_1:\mu>\mu_0;\]

拒绝域是让\(H_1\)被接受的检验统计量的取值范围,对于第一个部分, 显然没有拒绝域,因此原问题的拒绝域就是第二部分的拒绝域。 (\(H_0\)\(H_1\)仍然是对立的,\(\mu\)的定义域变为\(\mu\geq\mu_0\)

我们采用反证法的思想,假设\(H_0\)成立,然后构造一个小概率事件,基于小概率事件原理,在一次抽样中这个小概率事件不会发生,如果发生了,说明假设不对,\(H_0\)应该是不成立,如果没有发生,那就没有理由拒绝\(H_0\).这里小概率事件发生的概率就是显著性水平\(\alpha\).

首先假设\(H_0\)成立,即\(\mu=\mu_0\).

和区间估计一样,选择一个\(\mu\)的良好近似来构造小概率事件。选择\(\bar{X}\),构造

\[X=\frac{\bar{X}-\mu_0}{\sigma/\sqrt{n}}\sim N(0,1)\]

现在要计算拒绝域,拒绝域就是\(H_1\)成立的时候\(X\)的取值范围,也就是要让\(\mu_0<\mu\),也就是那个小概率事件发生了。可以知道\(X\in \text{拒绝域}\)的概率就是选取的小概率事件发生的概率\(\alpha\),于是可以确定拒绝域了,就是根据\(\mu_0<\mu\),选择\(P(X>u_\alpha)=\alpha\)或者\(P(X>u_{1-\alpha})=\alpha\)

发现这和置信区间的计算十分类似。一般来说也只有待估计的参数(或者参数假设)是\(\mu\)的时候才会搞不太清改取哪边。因为常用的四个分布(\(N(0,1), \chi^2,F,T\))中,\(\chi^2,F\)分布都用来构造和\(\sigma^2\)相关的统计量,然而这两个分布取值范围都是0到正无穷,\(\sigma^2\)也大于0,只有一侧。而构造和\(\mu\)有关的统计量的时候往往会用\(N(0,1)\)\(T\)分布。

看到有这样的说法:单侧的假设检验的拒绝域直接让构造的统计量不等号方向与\(H_1\)中的不等号方向一样。比如(\(H_1:\mu>\mu_0;\) \(X=\frac{\bar{X}-\mu_0}{\sigma/\sqrt{n}}>u_\alpha\)), 这是因为常用的构造的统计量中\(\mu_0\)或者\(\sigma^2\)都和构造的统计量大小负相关,看起来刚好是这样。