আমি মনে করি না যে এই উত্তরগুলির বেশিরভাগই সাধারণভাবে প্রশ্নের উত্তর দেয়। যখন একটি সাধারণ নাল অনুমান হয় এবং পরীক্ষার পরিসংখ্যানগুলির যখন একটি বিবর্তনযোগ্য সিডিএফ থাকে (তখন একটি ধারাবাহিক র্যান্ডম ভেরিয়েবলের মতো যা কঠোরভাবে বর্ধনশীল সিডিএফ থাকে) এগুলি ক্ষেত্রে সীমাবদ্ধ থাকে। এই কেসগুলি হ'ল কেসগুলি যা জেড-টেস্ট এবং টি-টেস্টের সাথে যত্নের দিকে ঝোঁক, যদিও দ্বিপাক্ষিক গড় পরীক্ষা করার জন্য (উদাহরণস্বরূপ) একজনের সিডিএফ নেই। উপরোক্ত যা সরবরাহ করা হয়েছে তা এই সীমাবদ্ধ মামলার জন্য আমার দৃষ্টিতে সঠিক বলে মনে হচ্ছে।
যদি নাল হাইপোথেসিসগুলি সম্মিলিত হয় তবে জিনিসগুলি কিছুটা জটিল। প্রত্যাখাত অঞ্চল সম্পর্কিত কিছু অনুমান ব্যবহার করে যৌগিক মামলায় আমি এই সত্যটির সর্বাধিক সাধারণ প্রমাণ লেহম্যান এবং রোমানোর "টেস্টিং স্ট্যাটাসিটিকাল হাইপোথিসিস" পৃষ্ঠা 63৩--৪ তে সরবরাহ করেছি। আমি নীচের তর্কটি পুনরুত্পাদন করার চেষ্টা করব ...
আমরা পরীক্ষার পরিসংখ্যানের উপর ভিত্তি করে একটি নাল হাইপোথিসিস বনাম বিকল্প অনুমান পরীক্ষা করি, যা আমরা এলোমেলো পরিবর্তনশীল হিসাবে চিহ্নিত করব । পরীক্ষার পরিসংখ্যানটি অনুমান করা হয় যে কোনও প্যারামেট্রিক শ্রেণি, যেমন, , যেখানে সম্ভাব্যতা বন্টনের পরিবারের একটি উপাদান , এবং একটি প্যারামিটার স্পেস। নাল হাইপোথিসিস এবং বিকল্প অনুমান একটি বিভাজন গঠন করে
H0H1XX∼PθPθP≡{Pθ∣θ∈Θ}ΘH0:θ∈Θ0H1:θ∈Θ1ΘΘ=Θ0∪Θ1
যেখানে
Θ0∩Θ1=∅.
পরীক্ষার ফলাফলকে হিসাবে চিহ্নিত করা যেতে পারে
যেখানে যে কোনও সেট আমরা সংজ্ঞায়িত করি
এখানে আমাদের তাত্পর্য স্তর, এবং উল্লেখ করে প্রত্যাখ্যান অঞ্চল তাত্পর্য স্তরের জন্য পরীক্ষার ।ϕα(X)=1Rα(X)
S1S(X)={1,0,X∈S,X∉S.
αRαα
ধরুন প্রত্যাখ্যান অঞ্চলে সন্তুষ্ট
যদি । নেস্টেড প্রত্যাখাত অঞ্চলগুলির ক্ষেত্রে, একটি নির্দিষ্ট তাৎপর্য স্তরের নাল অনুমানটি বাতিল বা না শুধুমাত্র তা নির্ধারণ করা কার্যকর হবে , তবে সেই ক্ষুদ্রতম তাত্পর্যকেও নির্ধারণ করা হবে যার জন্য নাল অনুমানকে প্রত্যাখ্যান করা হবে। এই স্তরটি পি-মান হিসাবে পরিচিত ,
এই সংখ্যাটি আমাদের একটি ধারণা দেয় ডেটা কত শক্তিশালী (টেস্ট স্ট্যাটিস্টিক দ্বারা চিত্রিত হিসাবে ) নাল হাইপোথিসিস বিরোধিতা করে । Rα⊂Rα′
α<α′αp^=p^(X)≡inf{α∣X∈Rα},
XH0
যে ধরুন কিছু এবং যে । মনে করুন অতিরিক্ত হিসাবে প্রত্যাখ্যান অঞ্চলগুলি উপরে বর্ণিত নীড়ের সম্পত্তি মান্য করে। তারপরে নিম্নলিখিতটি ধারণ করে:X∼Pθθ∈ΘH0:θ∈Θ0Rα
যদি সমস্ত , তবে for এর জন্য ,
supθ∈Θ0Pθ(X∈Rα)≤α0<α<1θ∈Θ0Pθ(p^≤u)≤ufor all0≤u≤1.
যদি আমরা সমস্ত জন্য , তবে আমাদের
θ∈Θ0Pθ(X∈Rα)=α0<α<1θ∈Θ0Pθ(p^≤u)=ufor all0≤u≤1.
উল্লেখ্য এই প্রথম সম্পত্তি শুধু আমাদের বলে যে মিথ্যা ইতিবাচক হারে নিয়ন্ত্রিত হয় যখন P-মান কম প্রত্যাখ্যান দ্বারা , এবং দ্বিতীয় সম্পত্তি আমাদের বলে (প্রদত্ত একটি অতিরিক্ত ধৃষ্টতা) যে P-মান অবিশেষে নাল অধীনে বিতরণ করা হয় হাইপোথিসিস।uu
নিম্নরূপ প্রমাণ:
যাক , এবং অনুমান সবার জন্য । তারপরে definition এর সংজ্ঞা অনুসারে আমরা সমস্ত জন্য । Monotonicity এবং ধৃষ্টতা, এটি অনুসরণ করে যে সবার জন্য । লেটিং , এটা যে ।θ∈Θ0supθ∈Θ0Pθ(X∈Rα)≤α0<α<1p^{p^≤u}⊂{X∈Rv}u<vPθ(p^≤u)≤Pθ(X∈Rv)≤vu<vv↘uPθ(p^≤u)≤u
Let আসুন এবং ধরে যাক all সমস্ত । তারপরে দ্বারা এটি । (1) বিবেচনা করে এটি অনুসরণ করে যে । θ∈Θ0Pθ(X∈Rα)=α0<α<1{X∈Ru}⊂{p^(X)≤u}u=Pθ(X∈Ru)≤Pθ(p^≤u)Pθ(p^(X)≤u)=u
নোট অনুমানটি সংমিশ্রণের পরিবর্তে সহজ হলেও এমনকি পরীক্ষার পরিসংখ্যানকে পৃথক করার ক্ষেত্রে (২) অনুমানটি ধারণ করে না। উদাহরণস্বরূপ সাথে এবং । অর্থাত, দশ বার একটি মুদ্রা ফ্লিপ করুন এবং এটি পরীক্ষা করুন যে এটি সুস্থ বনাম মাথাগুলির দিকে পক্ষপাতদুষ্ট (1 হিসাবে এনকোডযুক্ত)। 10 ন্যায্য মুদ্রা ফ্লিপে 10 টি মাথা দেখার সম্ভাবনা হ'ল (1/2) ^ 10 = 1/1024। 10 ন্যায্য মুদ্রা ফ্লিপগুলিতে 9 বা 10 মাথা দেখার সম্ভাবনা 11/1024। যে কোনও কঠোরভাবে 1/1024 এবং 11/1024 এর মধ্যে, আপনি যদি তবে শূন্যটিকে প্রত্যাখ্যান করতে পারেন , তবে আমাদের কাছে সেই মানগুলি for যখনX∼Binom(10,θ)H0:θ=.5H1:θ>0.5αX=10Pr(X∈Rα)=ααθ=0.5 । পরিবর্তে জন্য । Pr(X∈Rα)=1/1024α