logo

충분통계량이 포함된 우도비검정 📂수리통계학

충분통계량이 포함된 우도비검정

정리

가설검정: H0:θΘ0H1:θΘ0c \begin{align*} H_{0} :& \theta \in \Theta_{0} \\ H_{1} :& \theta \in \Theta_{0}^{c} \end{align*}

우도비검정통계량: λ(x):=supΘ0L(θx)supΘL(θx) \lambda \left( \mathbf{x} \right) := {{ \sup_{\Theta_{0}} L \left( \theta \mid \mathbf{x} \right) } \over { \sup_{\Theta} L \left( \theta \mid \mathbf{x} \right) }}

만약 T(X)T \left( \mathbf{X} \right)모수 θ\theta충분통계량이고

  • λ(t)\lambda^{\ast} (t)TT 에 종속된 우도비검정통계량
  • λ(x)\lambda (\mathbf{x})X\mathbf{X} 에 종속된 우도비검정통계량

이라고 하면, 모든 표본공간의 모든 xΩ\mathbf{x} \in \Omega 에 대해 λ(T(x))=λ(x)\lambda^{\ast} \left( T \left( \mathbf{x} \right) \right) = \lambda \left( \mathbf{x} \right) 다.

설명

다시금 충분통계량이 왜 충분sufficient이라 명명되었는지 확인할 수 있는 정리다. 이에 따라 우도비검정을 할 때 충분통계량이 있다면 굳이 다른 가능성을 생각할 필요 없이 λ\lambda^{\ast} 로 시작하면 충분하다.

증명 1

f(xθ)=g(tθ)h(x) f \left( \mathbf{x} \mid \theta \right) = g \left( t \mid \theta \right) h \left( \mathbf{x} \right)

네이만 인수분해 정리에 따라 x\mathbf{x} 의 pdf 혹은 pmf f(xθ)f \left( \mathbf{x} \mid \theta \right)TT 의 pdf 혹은 pmf g(tθ)g \left( t \mid \theta \right)θ\theta 에 종속되지 않은 h(x)h \left( \mathbf{x} \right) 에 대해 위와 같이 나타낼 수 있다. 따라서 다음이 성립한다. λ(x)=supΘ0L(θx)supΘL(θx)=supΘ0f(xθ)supΘf(xθ)=supΘ0g(T(x)θ)h(x)supΘg(T(x)θ)h(x)T is sufficient=supΘ0g(T(x)θ)supΘg(T(x)θ)h doesn’t depend on θ=supΘ0L(θx)supΘL(θx)g is the pdf or pmf of T=λ(T(x)) \begin{align*} \lambda \left( \mathbf{x} \right) =& {{ \sup_{\Theta_{0}} L \left( \theta \mid \mathbf{x} \right) } \over { \sup_{\Theta} L \left( \theta \mid \mathbf{x} \right) }} \\ =& {{ \sup_{\Theta_{0}} f \left( \mathbf{x} \mid \theta \right) } \over { \sup_{\Theta} f \left( \mathbf{x} \mid \theta \right) }} \\ =& {{ \sup_{\Theta_{0}} g \left( T \left( \mathbf{x} \right) \mid \theta \right) h \left( \mathbf{x} \right) } \over { \sup_{\Theta} g \left( T \left( \mathbf{x} \right) \mid \theta \right) h \left( \mathbf{x} \right) }} & \because T \text{ is sufficient} \\ =& {{ \sup_{\Theta_{0}} g \left( T \left( \mathbf{x} \right) \mid \theta \right) } \over { \sup_{\Theta} g \left( T \left( \mathbf{x} \right) \mid \theta \right) }} & \because h \text{ doesn’t depend on } \theta \\ =& {{ \sup_{\Theta_{0}} L^{\ast} \left( \theta \mid \mathbf{x} \right) } \over { \sup_{\Theta} L^{\ast} \left( \theta \mid \mathbf{x} \right) }} & \because g \text{ is the pdf or pmf of } T \\ =& \lambda^{\ast} \left( T \left( \mathbf{x} \right) \right) \end{align*}


  1. Casella. (2001). Statistical Inference(2nd Edition): p377. ↩︎