книги / Статистический анализ геофизических полей
..pdfесли |
0 ( ^ ) >/с(! |
г ч > - { I ; если |
( 1 .2 .9 ) |
/ (i> ) < / *, |
|
где кА определяется из уравнения |
|
Условие монотонности отношения правдоподобия выполняется, в част ности, для одномерного экспоненциального семейства распределений
|
|
р(Гг 6>)^Л(Гм)ехр {a « ? )f (х^)+ У(9 ) } , |
|
(1 .2 .1 0 ) |
|||||||||||
где |
вIS) |
монотонно зависит |
от |
в- |
|
|
|
|
|
|
|
|
|||
|
Равномерно оптимальный тест для проверки сложных гипотез в |
||||||||||||||
ряде |
случаев можно построить, |
сузив |
|
класо |
используемых тестов |
и |
|||||||||
ограничиваясь лишь так называемыми несмещенными тестами, |
для ко |
||||||||||||||
торых вероятность правильно принять гипотезу #г |
при всех |
9 е |
8у |
||||||||||||
не меньше вероятности |
принять ее по ошибке. Тест v (*# ) принад |
||||||||||||||
лежит классу |
несмещенных тестов |
|
уровня |
< |
, |
если |
|
|
|||||||
|
|
|
isf |
J3 |
(0) |
> |
sup |
|
а - |
^* ex't**-. |
|
|
|
|
|
|
|
|
0 e в, |
|
|
|
|
|
|
|
|
|
|
|
|
Ясно, что это очень естественное требование к тесту . Например, |
|
||||||||||||||
для |
проверки гипотез |
|
: 9 е |
( 0} , в2 |
) ; |
н, ■9 £ |
( |
9г, &3) в классе не |
|||||||
смещенных тестов при распределении наблюдений, |
|
принадлежащем экс |
|||||||||||||
поненциальному |
семейству |
(1 .2 .1 0 ) , |
существует |
РИМ теот, имегаций |
|||||||||||
вид /567: |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
если |
д с^ ,)ф . <*ы , кзи ) , |
|
|
( 1. 2.12) |
|||||||
|
|
г < Ъ ) |
■Г»: если |
|
|
|
|
*я<<) , |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
||||||
где кГа(> |
ijj определяются из уравнений |
|
|
|
E q P i * * ) - « ■ |
|
|||||||||
|
Рассмотренными ситуациями исчерпываются случаи существова |
||||||||||||||
ния РИМ тестов |
в классах |
<£, |
и к * |
, |
и для |
построения' оптимальных |
правил проверен гипотез часто идут по пути дальнейшего сужения множества используемых тестов: применят!» клаосы инвариантных, по добных и др. тестов /567.
Другой подход к построению оптимальных тестов для проверки
сложных гипотез |
заключается в использовании априорной информации , |
о вероятностях |
появления в серии отатистичеоких экспериментов то |
го или иного |
значения параметра 9 |
(при гипотезе и альтернативе). |
||||
Это - |
байесовский подход, |
согласно |
которому |
на параметрических |
||
мгежествах 8/ |
гипотез |
м} , |
>'<= |
задаются |
априорные распреде |
|
ления |
А (Т ), |
i е /и . |
Если качество тестов |
оценивать по средним |
||
значениям вероятностей |
сшибок |
|
|
31
|
\ |
&) , |
(1.2.13) |
4 |
$ |
|
|
то задача построения оптимального в смысле стратегии Неймана - |
|||
Пирсона правила сводится к |
отысканию в классе Я * |
тестов, |
удов |
летворяющее условию |
|
|
|
|
|
\ |
|
($) яр. (S') «*„, |
(1 .2 .1 4 ) |
|||
|
|
4 |
|
|
|
|
|
|
наиболее мощного теста |
Р *(Тн |
), для которого |
|
|||||
|
' >иР в |
\ ( Л 1(P’) S f f ( & ‘))*4 |
(1.2Л5) |
|||||
|
4с |
Фг |
|
|
|
|
|
|
Ясно, что Vе (7 ^ ) есть |
наиболее мощный тест для проверки простых |
|||||||
гипотез |
Ц : плотность распределения наблюдений равна |
|
||||||
|
|
|
0. |
р(Гх, §‘)с!Р/(в ), iG& , |
(1.2.16) |
|||
|
|
|
|
|
|
|
|
|
и, согласно лемме Нейшна - |
Пирсона, имеет |
вид /5§7: |
|
|||||
|
|
f |
1 , |
если |
q ( / |
* |
, |
(1 .2 .1 7 ) |
|
|
1 0, |
если |
q (Тм ) |
< * * , |
|||
|
|
|
||||||
где |
|
\ Р (Т |
& )</*, (S ) |
|
|
|||
|
|
|
|
|||||
|
|
®±___ : ___ _____ _ |
|
|
||||
|
|
|
^ р(Тв, |
|
|
|
|
|
|
|
& |
|
|
|
|
|
|
Асимптотические критерии оптимальности. Возможность практи |
||||||||
ческого |
использования |
байесовоких |
тестов |
(1 .2 .1 7 ) , как |
правило, |
|||
упирается в сложность вычислений значения |
статистики $ (Тй ) при |
заданном векторе наблюдений /Гм . Эти вычисления просто реализувгоя в очень редких случаях. Для одномерного параметра S плотность
наблюдений /> (*# ,& ) в большинстве параметрических моделей вре менных рядов не принадлежит экспоненциальному семейству и не су ществует РИМ тесто в. В результате при построении практически реа лизуемых тестов для проверки сложных гипотез о параметрах времен
ных радов приходится использовать другие, |
не |
отель |
"абсолютные" |
||
критерии оптимальности, |
описание которых дано |
ниже на примере за |
|||
дачи проверки гипотезы |
согласия |
S ’* |
против |
сложной аль |
|
тернативы Ят; S * £ |
|
|
|
|
|
Проблема оптимальности используемых тестов наиболее остро стоит при проверке "близких" гипотез, для которых "расстояния"
между значениями параметров в ■* |
и S е & невелики. Действи- |
32 |
|
тедъно, если п л о тн о сть/ »^ , |
8) |
непрерывна |
по |
<Г при почти всех |
||
Тн |
, чауз? (3~) - |
также непрерывная функция и |
для любого теста |
|||
иа |
клаооа |
д , (/Г) |
т .е . |
при "близких" |
гипотезах веро |
ятность пропуска может оказаться слитком большой ( * { - ос ), чтобы можно было говорить о надежном статистическом решении.
В такой ситуации существует общий рецепт, который дают статисти ческая теория и практика, - увеличение количества наблюдений /> . Что при этом происходит? Можно утверждать, что для всех "разум ных" параметрических моделей стационарных временных рядов иметатоя последовательности тестов '%9 , для которых
|
Vm /За, ( в \* 1 |
для всех |
(Г е |
(Т.2Л8) |
Все такие |
тесты образуют класс |
состоятельных тестов уровня |
||
«г. Их функции мощности при непрерывной зависимости р (х„, |
(Г) от |
|||
параметра |
(Г ведут себя, как показано на рио. |
1 : при проверке лю |
бой, |
сколь угодно близкой к |
80 , альтернативы 8, |
Ф |
всегда |
|||||
можно обеспечить |
выполнение |
равенства д * |
|
у |
( где f - |
||||
любой заданный уровень пропуска),взяв |
достаточно большой размер |
||||||||
выборки №(.Ц)= /¥*. |
Таким образом, в |
задаче "уверенней" провер |
|||||||
ил близких гипотез необходимо использовать класс |
к * |
состоятель |
|||||||
ных тестев . В |
нем можно искать асимптотически равномерно наибо |
||||||||
лее |
мощный (АРНМ) |
тест, аналогичный РИМ тесту, |
т .е . |
такую функ |
|||||
цию |
$ f i j ), |
для |
которой |
|
|
|
|
|
|
|
|
A |
s |
вТ& |
} Л |
lf* }] ‘ |
4 |
|
(Г.2Л 9) |
|
|
|
|
где ¥{ Гй) - любой другой тест из М* . Условие (1 .2 Л 9 ) можно
сформулировать в следующей эквивалентной форме: для любого теста
Г(ГЙ) е х£ |
и любой послелсватолънссти |
^ |
е & |
должно выполнять |
|||||||||
ся |
неравенство: |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
t/m |
|
|
|
|
|
|
(1 .2 .2 0 ) |
|
|
|
|
|
|
/Ifч~С*> |
п |
пг |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|||
|
Аналогично можно определить асимптотически равномерно наибо |
||||||||||||
лее |
мощный несмещенный (АРНМН) |
тест ^я |
(х"я ) , .удовлетворяющий ус |
||||||||||
ловию (1 .2 Л 9 ) |
в |
классе |
х™ с |
Xм всех |
аоимптстически несмещен- |
||||||||
ннх тестов |
%( |
х",, ) , для которых |
|
|
|
|
|
||||||
|
|
|
|
|
|
lim |
in f |
/?„ (fi~) >оС. |
|
(1.2 .2 0 |
|||
|
|
|
|
|
|
|
п е в / |
’ гм |
|
|
|
|
|
|
Проанализируем критерий оптимальности |
(Т .2 Л 9 ) . Почти оче |
|||||||||||
видно, что при произвольной последовательности |
4% , |
не имеющей |
|||||||||||
в~й |
своей |
предельней точки, |
левая часть неравенства |
(1 .2 .2 0 ) |
|||||||||
для любых двух |
тестов |
|
и vff |
из |
равна нулю. И только при |
||||||||
некоторых |
сходящихся к |
&0 |
последовательностях альтернатив |
||||||||||
— |
tТе левая |
часть |
неравенства |
(Т .2 .2 0 ) |
для каких-то пар тестов |
||||||||
из |
может |
бить |
отличной от |
нуля. Для таких альтернатив задача |
выбора наилучшего теста становится содержательной. Любая последо
вательность |
в е к т о р о в ^ — |
|
представши |
в виде |
|
+ fo я", |
|||||||||||||
где |
\Wy \ < с, |
|
с |
- |
некоторое |
чиоло; |
% |
( о |
- |
числовая |
последова |
||||||||
тельность. Следовательно, |
неравенство (1 .2 .2 0 ) , по |
существу, оп |
|||||||||||||||||
ределяет наилучший тест для проверки гипотезы |
№в : |
6% |
против |
||||||||||||||||
сложной to sic o a |
альтернативы |
м7 : <Г= в~р ^ |
|
, |
где |
гГя |
- |
произ |
|||||||||||
вольная последовательность; |
li^ i < с . |
|
|
|
|
|
|
|
|||||||||||
|
Чтобы показать, |
как определяется числовая последовательность |
|||||||||||||||||
$я , |
задающая близкие альтернативы, |
и какие |
идеи лежат |
в |
основе |
||||||||||||||
методов конструирования АРНМ тестов, |
начнем |
с |
задачи проверки ги |
||||||||||||||||
потезы |
Ц. : f |
= |
9. |
|
против простой близкой альтернативы |
Н7 : & = |
|||||||||||||
» &0 |
+ f я |
та1 |
, |
где |
&~7, |
Ь |
0 |
фиксированы. Очевшнс, |
что АРБИ тест |
||||||||||
для |
этой |
задачи |
совпадает |
с |
тестом Нейшна - |
Пирсона: |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
е0ЛИ |
|
|
|
^ ***' |
|
(J .2 .2 2 ) |
|||
Функция м о щ н о с т и с% ) |
теста (1 .2 .2 2 ) |
имеет предел, |
отличный |
||||||||||||||||
от ос |
и Ч |
только |
в |
том случае, |
если и при гипотезе &~= 0^ |
ж при |
|||||||||||||
близкой альтернативе |
/"= |
|
|
|
логарифм отношения правдопо |
||||||||||||||
добия |
/ (Тя / |
f p + |
|
|
^ |
|
) |
имеет невырожденные предельные рас |
|||||||||||
пределения: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
34
|
/JZ |
% |
|
|
9,i * ) < / } - £ ( * |
Sr ), |
|
|
|||||
|
j £ |
f |
{ * < £ /$■*■/, «Г; |
% |
) * * ] |
- |
f |
to * ,)■ |
( 1 .2 .2 3 ) |
||||
|
|
|
|||||||||||
Оказывается, что при достаточно слабых |
ограничениях на параметри |
||||||||||||
ческое |
семейство распределений |
р ( ^ , (П , |
связанных, по |
существу, |
|||||||||
с применимостью центральной предельной теоремы, |
всегда |
можно по |
|||||||||||
добрать |
такую последовательность |
fK * 4 |
что |
при любом |
| |
|< с |
|||||||
логарифм отношения правдоподобия удовлетворяет условиям |
(1 .2 ,2 3 ) . |
||||||||||||
Как показано в 'разделе 4 .3 , |
нормирующая последовательность |
/> |
|||||||||||
определяется скоростью роста информации Фишера о параметре |
|
||||||||||||
содержащейся в |
выборке |
Тн |
при |
А'-*»®. |
|
|
|
|
|
|
|||
В задаче проверки гипотезы согласия |
; 8 - %е я 7 |
против |
|||||||||||
^m9SJsm9LMkssmsm |
v |
|
%+гн «*> |
фу[1к~ |
|||||||||
ция |
) |
(4 .2 .2 2 ) уже |
не является 'тестом, |
поскольку логарифм |
|||||||||
отношения правдоподобия |
t(Tx /fy + fa |
% ) |
зависит от |
неизвест |
|||||||||
ного ах |
. Тем не менее построение АРНМ теста |
и для данной |
задачи |
||||||||||
оказывается |
возможным (при |
одномерном |
& ) , |
и необходимым усло |
|||||||||
вием этого опять является существование при всех |
|и |< с предель |
||||||||||||
ных распределений f0 (y, |
я ) |
и |
*$(?, и ) |
функции правдоподобия |
|||||||||
(см . ( Г .2 .2 3 ) ) . |
Действительно, |
любой тест |
для проверки гипотезы |
‘согласия может быть выражен в виде некоторого функционала от ло
гарифма отношения правдоподобия |
г[хх / ff; &в |
) , рассматриваемого |
||||
как функция параметра |
в е |
& •, |
|
|
|
|
|
|
|
|
К ГН М ' Щ |
( Г .2 .2 4 ) |
|
поскольку функция |
I |
/О; |
% ), |
& е & |
есть |
достаточная статисти |
ка для оемейотва |
распределений Р (*# , |
£>) p A j . Ясно, что тесты |
вида (1 .2 .2 4 ) имеют предельные функции мощнооти (и |
среди них мож |
||
но искать АРНМ |
т е ст ), если только выполняется |
условие (1 .2 .2 3 ) . |
|
Локальная |
асимптотическая нормальность. |
Итак, |
проблема по |
строения АРНМ тестов для гипотезы согласия связана с исследова
нием поведения отношения правдоподобия |
1 »[р (к~; fy /P t x ■,%)] |
|||
при близких альтернативах f N- |
+ jH0~п, |
где |
~ любыо огра |
|
ниченные последовательности, |
/ х |
( 0 . Важнейшим чаотным случаем |
||
оитуации, когда выполняется |
условие (1 .2 .2 3 ) , |
и для которого раз |
вита в настоящее время асимптотическая теория проверки гипотез, является случай, когда параметрическое семейство распределений
р(хх, в ) обладает свойотвом локальной асимптотической нормально сти (ЛАН), впервые введенным в /?09/.
О п р е д е л е н и е 4. Семейство распределений />(*>/ 0 )
является локально асимптотически нормальным (ЛАП) в точке &4 ,
33
если логарифм отношении правдоподобия для близких гипотез Н0 :
= |
fl, ■ 0„~ |
% |
+ fa |
ИГ, |
|
о<]Щ <с |
при некоторой последователь |
||||||||||||
ности |
у„ ) о |
представим в |
виде |
|
|
|
|
|
|
|
|
||||||||
|
|
РОГя , |
$ 1 ) |
- v |
TI |
|
( Ж,; ft |
) - j a |
Trn {ffe ) |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
где 1(Т"-у f y ) |
- |
векторная |
"асимптотическая достаточная" (АД) |
||||||||||||||||
статистика, |
распределение |
которой при гипотезе |
яд |
отремится при |
|||||||||||||||
|
|
к многомерному нормальному распределению с параметрами |
|||||||||||||||||
(О, /# (% )) |
; Гх (в0 ) |
- ограниченная последовательность матриц; |
|||||||||||||||||
dot Г# (ffg) > 0; |
Ыд |
(Хр-, щ — 0 |
по вероятности при гипотезе |
0# |
|||||||||||||||
равномерно по |
|ге\ < е, |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
Цустъ семейство /П Г „ , |
/<Г) |
обладает |
свойством ЛАН в точке |
|||||||||||||||
Тогда |
можно показать |
|
|
, |
что: |
|
|
|
|
|
|
|
|
||||||
|
1 ) |
АД статистика а (7М, |
iTt ) при близких альтернативах |
|
|||||||||||||||
|
Т ц ^ ’> |
o<\iFl<c |
— |
|
|
также асимптотически нормальна с пара |
|||||||||||||
метрами |
( |
|
|
|
|
|
( % |
) ) , причем сходимость к нормальному за |
|||||||||||
кону |
равномерна по |
) и |
\<с; |
|
|
|
|
|
|
|
|
|
|||||||
|
2 ) |
случайная величина |
|
(*#‘> я ) |
|
при этих альтернативах |
|||||||||||||
также сходится к нулю по вероятности равномерно по \ИГ\<с. |
|
||||||||||||||||||
|
Из сказанного следует, что в случае, когда существует пре |
||||||||||||||||||
дел Г ( в ) - |
ш |
|
|
|
) |
, |
логарифм отношения правдоподобия |
(Т .2 .2 5 ) |
|||||||||||
имеет и при гипотезе |
|
|
и при сложной близкой альтернативе 9, |
||||||||||||||||
предельные |
распределения |
(1 .2 .2 3 ) . |
Но самое важное заключается в |
||||||||||||||||
том, |
что в |
этом случае логарифм отношения правдоподобия при боль |
|||||||||||||||||
ших 0 |
имеет вид, |
типичный для |
экспоненциального семейства |
рас |
|||||||||||||||
пределений, т .е . когда / велико |
|
|
|
|
|
|
|
||||||||||||
|
Р( Т«', ¥о Ч ц ” ) |
|
* |
|
|
Р |
|
* |
|
н '■К Н |
» Гг« Ф * ) \ |
1 .2 .2 6 ) |
|||||||
Поскольку при .одномерном |
в |
|
выражение (1 .2 .2 6 ) |
совпадает с |
семей |
||||||||||||||
ством ( L 2 .4 0 ) , |
в |
котором функция |
в (&) |
монотонна, |
естественно |
||||||||||||||
предположить, |
что АРНМ тест |
для проверки гипотезы |
согласия |
б>~ |
|||||||||||||||
- 90; |
е е |
я 7 |
против |
односторонней альтешативн |
я. i б> >&, |
имеет |
|||||||||||||
вид |
|
|
|
|
|
|
|
|
|
|
если |
Л (*у > 0е )г>*и» |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
(1 .2 .2 7 ) |
||||||||
|
|
|
|
|
|
|
|
|
|
|
если |
Р (* „ ; |
У |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
а несмещенный АРНМ тест для |
Н |
против двухсторонней альтернати |
|||||||||||||||||
вы Я7\в * вй - |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
9 (V - ( |
i , |
если |
Л(Тн; |
вд )£ - |
( ^ , |
|
X |
|
|||||||
|
|
|
|
о, |
если А(7„; |
ве ) с ( к ы , |
|
(1 .2 .2 8 ) |
|||||||||||
|
|
|
|
|
|
|
36
Это предположение можно отрого доказать /7 5 , 8 5 / ,и, таким обра зом, оказывается, что АРНМ и несмещенный АРИЛ тесты в отличие
от ЙШ и НРНМ тестов могут быть построены при /f/для гораздо более широкого класса семейств распределений, чем экспоненциаль ное семейство ( Г .2 Л 0 ) . Для их существования достаточно, чтобы
оемейство распределений |
обладало свойством ЛАН, |
|
||
Асимптотически оптимальные байесовские теоты. В случае мно- |
||||
гомерного параметра |
е к* даже в асимптотической |
постановке |
не |
|
возможно построить равномерно |
оптимальные тесты: АРНМ и несмещен |
|||
ного АРНМ тестов для |
проверки гипотезы согласия я |
=■ |
при |
|
многомерном параметре / Г е Р р |
не существует. Снова |
приходится ис |
пользовать байесовский подход. Рассмотрим байеоовские асимптоти чески оптимальные (ВАС) тесты для проверки гипотезы согласия
Ms - |
8о |
против байесовской альтернативы |
ц -./Гф Е/, f |
имеет |
|||||
распределение Р((Г)■ Очевидно, что для любого |
состоятельного те |
||||||||
ста из |
класса |
и любого |
fi(J) |
, |
такого, |
что |
£>0 |
} - а, |
|
|
|
Пт A |
(F)* «, |
Jim |
\ |
{в т |
? |
) - 1. |
(1 .2 .2 9 ) |
Поэтому разумное определение БАО теста возможно, лишь когда о |
|||||||||
ростом |
/V |
изменяется и априорное |
распределение, "стягиваясь" к |
||||||
дельта-функции в |
точке Щ . Эта |
оитуация соответствует |
"близкой |
байесовской альтернативе", когда любые, возникающие с отличной от нуля априорной плотностью вероятности альтернативные значения
F + Г |
расположены в |
|
непосредственной окрестности точки |
в0 . |
|||||
Только в |
этом случае |
при некоторых последовательностях априорных |
|||||||
распределений Рм ( |
для тестов |
из класса к / могут существовать |
|||||||
пределы |
|
|
|
|
|
|
|
|
|
|
|
|
|
(& |
|
|
* <Л |
<Г‘ |
(1 *2 .3 0 ) |
|
|
|
|
|
|
|
|
|
|
При выполнении условия |
( J .2 .3 0 ) |
уже можно ставить |
задачу |
стыска- |
|||||
Ния асшгатотически наилучтего в |
|
байесовского |
теста ? |
e (F lf), |
|||||
удовлетворяющего для |
заданной последовательности Рй ( 8 ) условию, |
||||||||
аналогичному условию |
( 1 .2 Л 9 ) : |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
(Т .2 .3 1 ) |
Ясно, |
что последовательность |
тестов, байесовских для Рй (& ) |
|||||||
при каждом |
М и выражаемых формулой |
|
|
||||||
|
|
{ |
|
{ \ , |
если |
I |
|
(1.2.32) |
|
|
|
^ (V-^ |
( о , |
если |
|
|
|||
|
|
|
|
|
37
r |
P(T„ |
’ 0) |
|
qi *'*/%)•' |
|
^ |
( f h |
l |
'Я * ® |
|
|
представляет собой БАО тост. |
Однако для |
естественных последова |
|
тельностей />х (9) существуют |
более |
простые, нем (1 .2 .3 2 ) , БАО |
тесты . Допустил, что семейство распределений р(хм , в ) удовлет воряет условиям ДАН; рассмотрим последовательность априорных рас
пределений |
|
|
Р((в~- |
|
|
|
Р~(Я) |
- некоторое фиксиро |
|||||
ванное распределение |
в |
. |
Тогда, иопользуя свойство ЛАН, ста |
||||||||||
тистику байесовского |
теста |
(1 .2 .3 2 ) можно переписать в виде |
|||||||||||
|
/Ри)=\е*р\^тА {хн,#с)-{ я гГнЩ)и |
ty m , (Т.2.33) |
|||||||||||
где |
o(ff (х^е |
if) - * |
о |
по |
р { \ , |
<£ + T# гГ) |
- |
вероятности равномерно |
|||||
по \гГ|°<с |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Интуитивно ясно, что в |
тесте |
(Г .2 .3 3 ) |
слагаемое |
<х^. (Тм, W) |
||||||||
при определенных условиях можно спустить, |
и |
тест |
0 |
||||||||||
|
|
|
|
$ |
1 , |
если |
|
|
|
|
(1 .2 .3 4 ) |
||
|
|
|
|
|
О, |
еоли / > (% ) |
<kct, |
||||||
|
|
|
|
|
|
|
|
||||||
где |
/’(»>)= \ exp [гРг Т(Т^,; |
|
) - j |
& гРу(<%)и’}<*Р(&), будет иметь |
|||||||||
асимптотическую функцию мощности такую же, |
что и байесовский тест |
||||||||||||
( J .2 .3 2 ) , |
т .е . |
вместе |
с последним |
будет БАО тестом. |
То, что для |
||||||||
этого достаточно только свойства ЛАН для |
семейотва распределений |
||||||||||||
Р ( У > < 0 |
доказано |
в |
/85/, |
и является сильным результатом асимп |
|||||||||
тотической теории проверки гипотез. |
|
|
|
|
|||||||||
|
БАО теот |
со |
статистикой |
(1 .2 .3 4 ) |
имеет перед байесовским те |
||||||||
стом (1 .2 .3 2 ) |
тс |
решающее с |
точки |
зрения |
практического применения |
||||||||
Преимущество, |
что сколь бы ни была "сложно устроена" |
зависимость |
|||||||||||
плотности/>(~ц, (Г ) от |
параметра |
если эта плотность обладает |
|||||||||||
свойством ЛАН, |
подынтегральное выражение |
статистики |
(1 .2 .3 4 ) име |
ет стандартную и простую зависимость от переменной интегрирования
гГ. Поэтому возможность выражения статистики (Т .2 .3 4 ) в элемен
тарных функциях, |
а также сложность вычисления значения интеграла |
|||
(1 .2 .3 4 ) |
на ЭВМ при данном векторе наблюдения Тн |
не связаны с |
||
видом плотности |
/ Y y |
Р ) , а зависят только от априорного распре |
||
деления |
P/f { в)._ |
Таким образом, в отношении практической реализа |
||
ции БАО тест (1 .2 .3 4 ) |
немногим отличается от АРНМ и HAFHM тестов |
|||
(1 .2 .2 7 ) , |
(1 .2 .2 |
8 ) , существующих, однако, только |
для одномерного |
|
параметра е е Rr |
|
|
38
Примеры БАО тестов. Рассмотрим некоторые практически важные примеры априорного распределения Р(а) , когда интеграл (1 .2 .3 4 1 явно вычисляется. Главный из них - многомерное нормальное рас пределение
dP(гГ)= [(2л)* Hetв ]~ ,/гexp \ - /(ж - Г )га \ v -ъ |
(| .2 .35) |
При распределении (1 .2 .3 5 ) интеграл (1 .2 .3 4 ) элементарными преоб разованиями приводится к свертке двух нормальных распределений, которая, как известно, есть тоже нормальное распределение о сум марными векторами средних и ковариационными матрицами. В резуль тате подучаем следующее выражение /47/:
|
|
|
& //> (% )-r f y ) |
tty , |
(Г .2 .3 6 ) |
|||
|
г< Ъ Ы |
/ * тК ,£ - ( £ * 2 ' - Г |
) r 4 |
)]■, |
|
|||
|
zK » —j- (м d e t t n d e t f y ) , |
|
Д#= (S+ P#f ) . |
|
||||
В силу |
общих свойств |
тестов из |
класоа |
а£ |
БАО тест тлеет |
ввд |
||
|
|
|
4 , |
если |
г(Тк )-*-к £, |
(1,2.3?) |
||
|
|
|
О, |
если |
|
|
|
|
|
|
|
|
|
|
|
||
где |
выбирается |
из |
условия |
|
Pg- |
> > **1 "'*• |
|
|
Исследуем отатистику г(Г # ) ъ |
двух предельных случаях. Пер |
вый из них ооответотвует ситуации, когда априорный разброс пара метров 8~ намного меньше максимально достижимой точности гос оце нивания по выборке JT# , а второй - соответствует противоположной ситуации. Эти случаи определяют следующие соотношения между нор
мами матрицы автоксвариаций априорного распределения В |
и матри |
|||||||||
цы |
|
|
|
|
|
|
|
|
|
|
| Ы « |
|
и |
Ы » |
|
|
|
|
(1 .2 .3 8 ) |
||
В первом случае |
можно считать, |
что ||/?Ц — о |
и |
Qt |
/ ^ |
. В ре |
||||
зультате |
такого |
предельного перехода |
статистика |
БАО теста (| .2 .3 ? ) |
||||||
отремитоя к |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
' |
4Т )~ / 6 |
r//r ( $ > 6 ' |
(1 -2 .3 9 ) |
|||
Отметим, |
что тест со |
статистикой (1 .2 .3 9 ) |
является |
AP1IM тестом |
||||||
для проверки гипотезы |
л './ ’- |
против "одномерной линейной" |
||||||||
альтернативы |
: ( Г ■= <^+ $гГ> |
а>о - |
любое число, |
так как ста- |
||||||
тистика |
г7 (лЦ) |
является аоиштотически достаточной для одномер |
||||||||
ного параметра |
<? семейства распределений |
р(Гм ; |
|
<- if Г ). |
39
|
Для второго |
случая |
соотношения |
( Г .2 .3 8 ) |
можно считать, что |
|
W s f ' |
0 и из |
выражений (1 .2 .3 5 ) , |
(1 .2 .3 6 ) пределышм перехо |
|||
дом получаем статистику |
|
|
|
|
||
|
Гг (г» ) т* |
* г ( ги ' % ) / ' / ( € ) ' Г |
( f y % ) , |
(1 *2 .4 0 ) |
которая не зависит от параметров априорного распределения ( Г .2 .35)
Тест со |
статистикой ( Г .2 .4 0 ) |
обладает рядом хороших свойств, ко |
||||||||||
торые изучались в /Ш , |
22/. |
|
|
|
|
|
||||||
Функция (Т .2 .4 0 ) |
представляет собой статиотику БАО теста |
|||||||||||
для еще одного априорного распределения, которое |
конструируется |
|||||||||||
следующим образом. Введем в |
тест |
(1 .2 .3 4 ) |
замену переменных iT-*— |
|||||||||
— / Г = гГгГ г/* (0 в |
) . |
Тогда |
|
|
|
|
|
|||||
|
/>(Тн г \ м |
р |
{ Г |
r |
f/* |
|
( £ ; $ > • |
* r W |
) . |
<1*2.4П |
||
Как показано в |
/467, |
если |
) - |
распределение, |
равномерное на |
|||||||
сфере \/а\г |
= с, |
где |
с - |
любое число, то |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
(1 .2 .4 2 ) |
где f l y ) |
- |
монотонная функция. В некоторых задачах обнаружения |
||||||||||
сигналов, содержащих случайные параметры, |
равномерное |
на сфере |
распроделение этих параметров соответствует естественным физиче ским предположениям /467. Пример такой задачи приведен в гл . Щ.
Общие результаты асимптотической теории проверки гипотезы
ооглаоия. Из подученных вш е выражений для АШИ, НАГИМ и БАО те
стов видно, что их статистики представляют собой некоторые функ
ции от асимптотически достаточной |
статистики |
|
; |
SF) - перво |
|
го члена ЛАН-разложения (1 .2 .2 5 ) . |
Оказывается, |
что |
в |
условиях, |
|
когда семейство распределений наблюдений / (7J,; |
ff~) |
обладает свой |
|||
ством ЛАН в точке |
, такую структуру должны иметь любые тесты |
||||
для проверки гипотезы |
согласия |
^ , обладающие хорошими |
асимптотическими свойствами. Справедливы следующие общие утвер ждения, доказанные в /75, 85, 4007, которые определяют принципы "конструирования" асимптотически оптимальных тестов.
Т е о р е м а |
1 .2 Л 7§57. |
При проверке гипотезы |
ffe : <Г= §~е |
||
против альтернативы |
Нг |
<Гф |
любой тест |
|
и его ус |
ловное математическое |
ожидание |
|
|
|
|
|
|
|
|
|
( Г .2 .4 3 ) |
обладают одинаковой асимптотической мощностью: |
|
||||
, 2 * |
|
l / v < $ + к , г |
& + г* |
( |*2 *44) |
40