I型和II型错误的概率是否负相关?


11

在我作为助教的基础统计课上,这位教授说,随着I型错误的概率增加,II型错误的概率降低,反之亦然。因此,这向我表明。αβρα,β<0

但是对于一般的假设检验,如何证明这一点呢?总体而言,该说法是否正确?

我可以尝试一个特定的情况(例如和),但是显然,这不足以解决这个问题。H0:μ=μ0H1个:μ<μ0

Answers:


13

这些数量(和β)不是随机变量,因此我不愿说出它们的皮尔逊相关性。我不确定在什么意义上适用。αβ

从合理的意义上讲(但请参阅下文*),并且保持其他条件(如样本大小和计算的效果大小)相等,则两者是负相关的-如果更改α,则β将移动相反的方向(具体来说,在典型情况下,β是α的函数;请指定足够的数量来确定β,它取决于α-在最合理的情况下,该关系将是您要在实际测试-负相关)。βαββαβα

考虑例如一些功率曲线。移动将随功率曲线(1 - β)一起向上或向下推动,因此,曲线上某个点的β(即曲线与1之间的距离)随α的增加而减小。这是一个两尾测试(例如t检验)的示例。α1个-ββα

在此处输入图片说明

单尾情况类似,但是您将注意力集中在上图的右半部分(图片左半部分的两条曲线将朝着零尾部移动)


*在某些情况下并非必须如此。考虑通过Kolmogorov-Smirnov测试来测试均匀(0,1)。

让我们考虑的可能性,相反,我们有一个统一的† (或实际上,与单位区间外某种概率分布的任何)。(0,1个+ϵ) †

如果我观察到的值不位于(0,1)中,则Kolmogorov-Smirnov检验不一定会拒绝null。但是我可以进行第二项测试(称为KS *测试),类似于Kolmogorov-Smirnov,不同之处在于,当我们观察到(0,1)以外的值时,无论是否使用常规统计,我们都将拒绝null。达到临界值。

然后,对于任何可能性在(0,1)之外的替代方案,我们都降低了II型错误率(与普通KS测试相比),而根本没有改变。α

†(在这种情况下,使用KS通常不是一个好主意,因此,如果您知道有可能,则需要仔细考虑替代方法)


3

让表示具有密度观察˚F 0(X )或˚F 1(X ),根据作为假说ħ 0或ħ 1是真实的。让Γ 0和Γ 1表示判决区域。因此,Γ 0 ∩ Γ 1 = ∅,Γ 0 ∪ Γ 1 = - [R和判定是ħ 我是真当且仅当X ∈XF0(X)F1个(X)H0H1个Γ0Γ1个Γ0∩Γ1个=∅Γ0∪Γ1个=[RH一世。然后,类型I和类型II的错误概率为 P (类型I错误)X∈Γ一世 考虑两个其他判决区域Γ ' 0和Γ ' 1 ,使得Γ1&Subset;Γ ' 1和Γ ' 0&Subset;Γ0。现在, &Integral;Γ ' 1 ˚F0(X)

(1)P(类型I错误)=∫Γ1个F0(X)dX(2)P(II型错误)=∫Γ0F1个(X)dX。
Γ0′Γ1个′Γ1个⊂Γ1个′Γ0′⊂Γ0 因为积分在更大的集合上,这意味着新的决策规则具有更大的I类错误概率。还要注意 ∫ Γ ' 0 ˚F 1(X )
∫Γ1个′F0(X)dX≥∫Γ1个F0(X)dX
因为积分在较小的集合上,因此新的决策规则具有较小的II类错误概率。
∫Γ0′F1个(X)dX≤∫Γ0F1个(X)dX

1

αβαβ

αβ


1
“这种关系是唯一的”-看来答案的末尾被切断了?
— 银鱼
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.