প্রসঙ্গ
(এই বিভাগে আমি কেবল অনুমানের পরীক্ষাটি ব্যাখ্যা করতে যাচ্ছি, আমার নিজস্ব স্টাইলে এক এবং দুটি ত্রুটি ইত্যাদি টাইপ করুন you're আপনি যদি এই উপাদানটির সাথে স্বাচ্ছন্দ্য বোধ করেন তবে পরবর্তী বিভাগে যান)
নেইম্যান-পিয়ারসন লেমা সহজ অনুমানের পরীক্ষার সমস্যায় উঠে আসে । আমরা একটি সাধারণ স্থান দুটি ভিন্ন সম্ভাবনা ডিস্ট্রিবিউশন আছে Ω : P0 এবং P1 , নাল ডেকে বিকল্প অনুমানের। একটি একক পর্যবেক্ষণ উপর ভিত্তি করে ω∈Ω , আমরা একটি অনুমান দুই সম্ভাব্যতা ডিস্ট্রিবিউশন যা কার্যকর হয় সঙ্গে আসা পর্যন্ত আছে। একটি পরীক্ষা সুতরাং একটি ফাংশন যা প্রতিটি ω "নাল হাইপোথিসিস" বা "বিকল্প অনুমান" হয় একটি অনুমান নির্ধারণ করে। একটি পরীক্ষা স্পষ্টতই সেই অঞ্চলের সাথে চিহ্নিত করা যেতে পারে যেখানে এটি "বিকল্প" দেয়, তাই আমরা কেবল সম্ভাবনার জায়গার সাবসেট (ইভেন্টগুলি) খুঁজছি।
সাধারণত অ্যাপ্লিকেশনগুলিতে নাল হাইপোথিসিসটি এক ধরণের স্থিতাবস্থার সাথে মিলে যায়, অন্যদিকে বিকল্প অনুমানটি এমন কিছু নতুন ঘটনা যা আপনি প্রমাণ বা অস্বীকার করার চেষ্টা করছেন তা আসল। উদাহরণস্বরূপ, আপনি কাউকে মানসিক শক্তির জন্য পরীক্ষা করছেন। আপনি স্কুইগ্লি লাইনের সাথে কার্ডগুলি দিয়ে স্ট্যান্ডার্ড পরীক্ষা চালান বা কী না, এবং নির্দিষ্ট সময়টি অনুমান করার জন্য এগুলি পান। নাল হাইপোথিসিসটি হ'ল তারা পাঁচটি থেকে একের বেশি পাবেন না (যেহেতু পাঁচটি কার্ড রয়েছে), বিকল্প অনুমানটি হ'ল তারা মানসিক এবং আরও সঠিকভাবে পেতে পারেন।
আমরা যা করতে চাই তা হ'ল ভুল করার সম্ভাবনা হ্রাস করা। দুর্ভাগ্যক্রমে, এটি একটি অর্থহীন ধারণা। দুটি উপায় রয়েছে যা আপনি ভুল করতে পারেন। উভয় ক্ষেত্রেই নাল হাইপোথিসিস সত্য, এবং আপনি একটি নমুনা ω আপনার পরীক্ষার এর "বিকল্প" অঞ্চল, বা বিকল্প হাইপোথিসিস সত্য, এবং আপনি "নাল" অঞ্চল নমুনা। এখন, আপনি যদি সম্ভাব্যতার জায়গার একটি পরীক্ষা A (একটি পরীক্ষা) ঠিক করেন তবে P0(A) এবং P 1 ( A c ) নম্বরগুলিP1(Ac), এই দুটি ধরণের ত্রুটি তৈরির সম্ভাবনাগুলি সম্পূর্ণরূপে সংজ্ঞায়িত, তবে যেহেতু "নাল / বিকল্প অনুমানটি সত্য" এর সম্ভাবনা আপনার আগে নেই, আপনি উভয় প্রকারেরই অর্থবহ "সম্ভাবনা অর্জন করতে পারবেন না" ভুল "। সুতরাং এটি গণিতে মোটামুটি সাধারণ পরিস্থিতি যেখানে আমরা কিছু শ্রেণীর অবজেক্টের "সেরা" চাই তবে আপনি যখন ঘনিষ্ঠভাবে তাকান তখন কোনও "সেরা" থাকে না। প্রকৃতপক্ষে, আমরা যা করার চেষ্টা করছি তা হ'ল P0(A) হ্রাস করার সময় P1(A) সর্বাধিক করা যায় যা লক্ষ্যগুলি স্পষ্টভাবে বিরোধী।
মানসিক দক্ষতার পরীক্ষার উদাহরণটি মাথায় রেখে, আমি যে ধরণের নালটি সত্য তা ভুল হিসাবে উল্লেখ করতে চাই তবে আপনি " বিভ্রম " হিসাবে বিকল্প হিসাবে সত্য হিসাবে সিদ্ধান্তে পৌঁছেছেন (আপনি ছেলেটির মনস্তাত্ত্বিক বিশ্বাস করেন তবে তিনি নন), এবং " বিস্মৃতি " হিসাবে অন্য ধরণের ভুল
লেমা
Neyman-পিয়ারসন থিম এর পদ্ধতির নিম্নোক্ত: লেট শুধু বিভ্রম কিছু সর্বোচ্চ সম্ভাবনা বাছাই এর α যে আমরা সহ্য করতে চলেছেন ইচ্ছুক, এবং তারপর পরীক্ষা অন্যমনস্কতা ন্যূনতম সম্ভাবনা আছে যখন পরিতৃপ্ত যে উপরের আবদ্ধ পাবেন। ফলাফলটি হ'ল এই জাতীয় পরীক্ষাগুলিতে সর্বদা সম্ভাবনা-অনুপাত পরীক্ষার ফর্ম থাকে:
প্রস্তাব (নেইমন-পিয়ারসন লেমা)
তাহলে L0,L1 সম্ভাবনা ফাংশন নাল এর (PDF গুলি) এবং বিকল্প অনুমানের, এবং α>0 , তারপর অঞ্চল A⊆Ω যা maximizes P1(A) যখন বজায় রাখার P0(A)≤α হয় ফর্ম
A={ω∈Ω∣L1(ω)L0(ω)≥K}
কিছু ধ্রুব K>0 । বিপরীতভাবে, যে কোনও K , উপরের পরীক্ষায় P1(A)≥P1(B) যেমন কোনও B জন্য P0(B)≤P0(A) ।
সুতরাং, আমরা সকলে যা করতে হবে ধ্রুবক খুঁজতে K যেমন যে P0(A)=α ।
লেখার সময় উইকিপিডিয়ায় প্রমাণটি হ'ল একটি চমত্কারভাবে মৌখিক গাণিতিক প্রমাণ যা কেবলমাত্র সেই ফর্মটি অনুমান করা এবং তারপরে এটি সত্যই অনুকূল কিনা তা যাচাই করে থাকে। অবশ্যই আসল রহস্যটি হ'ল সম্ভাবনাগুলির একটি অনুপাত নেওয়ার এই ধারণাটি কোথা থেকে এসেছে এবং উত্তরটি রয়েছে: সম্ভাবনা অনুপাতটি কেবল পি 0 এর সাথে সম্মত P1 ঘনত্ব ।P0
আপনি যদি লেবেসগু ইন্টিগ্রালগুলির সাথে আধুনিক পদ্ধতির মাধ্যমে সম্ভাব্যতা শিখেন এবং কী না, তবে আপনি জানেন যে মোটামুটি বাধাবিহীন পরিস্থিতিতে , অন্যটির প্রতি ঘনত্বের ক্রিয়া দ্বারা প্রদত্ত হিসাবে একটি সম্ভাব্যতা পরিমাপ প্রকাশ করা সর্বদা সম্ভব। নেইমন-পিয়ারসন লেমার শর্তে, আমাদের দুটি সম্ভাব্য পদক্ষেপ P0 , P1 যা উভয়েরই কিছু অন্তর্নিহিত পরিমাপের সাথে ঘনত্ব থাকে, সাধারণত একটি পৃথক স্থানের গণনা পরিমাপ, বা Rn এ লেবেসগু পরিমাপ । দেখা যাচ্ছে যে আমরা যে পরিমাণটি নিয়ন্ত্রণ করতে আগ্রহী তা হ'ল P0(A) , আমাদের পি নেওয়া উচিতP0 আমাদের অন্তর্নিহিত পরিমাপ, এবং দেখার যেমনP1 কিভাবে এটি সম্পর্কিত পদP0 , এইভাবে, আমরা বিবেচনাP1 থেকে সম্মান সঙ্গে একটি ঘনত্ব ফাংশন দ্বারা দেওয়া হবেP0 ।
জমি কেনা
লেমা হৃদয় তাই নিম্নলিখিত:
μΩfΩα>0Aμ(A)≤α∫Afdμ{ω∈Ω∣f(ω)≥K}
K>0∫fB
αf∫fαμP0fP1P0L1/L0
ABB′AB′BABB′x∈Af(y)>f(x)yAxyAf−1([K,+∞))K