[论文解读] A New Framework of Multistage Hypothesis Tests

Xinjia Chen|arXiv (Cornell University)|Sep 18, 2008

Fluid Dynamics and Heat Transfer参考文献 7被引用 10

一句话总结

本文提出了一种新颖的多阶段假设检验框架，适用于任意多个相互排斥且穷尽的复合假设，通过使用顺序随机区间和基于点估计器的停止规则，严格控制错误概率。该方法确保样本数量绝对有界，并相较于先前的方法实现更低的平均样本量和更少的采样操作次数，在一般条件下具备错误控制的理论保证和有限的期望样本量。

ABSTRACT

In this paper, we have established a general framework of multistage hypothesis tests which applies to arbitrarily many mutually exclusive and exhaustive composite hypotheses. Within the new framework, we have constructed specific multistage tests which rigorously control the risk of committing decision errors and are more efficient than previous tests in terms of average sample number and the number of sampling operations. Without truncation, the sample numbers of our testing plans are absolutely bounded.

研究动机与目标

• 开发一种适用于任意多个相互排斥且穷尽的复合假设的通用多阶段假设检验框架。
• 在每个假设的预设阈值下，控制第一类和第二类错误的概率。
• 在确保样本量有限且绝对有界的前提下，最小化平均样本数量和采样操作次数。
• 提供一种系统化方法，用于在各种统计模型中构建高效的顺序抽样方案。
• 将序贯概率比检验（SPRT）的适用范围扩展到具有无差异区间的复杂多假设复合检验问题。

提出的方法

• 该框架使用随样本量演化而变化的上下界定义的顺序随机区间，确保停止规则基于充分统计量。
• 通过包含原理和二分风险调优构建停止与决策规则，实现在复合假设下对错误概率的精确控制。
• 应用极小化极大优化方法，确定决策规则中的最优加权系数，以最小化最大期望样本量。
• 开发递归计算技术，以高效实现实时顺序检验中的停止边界和决策阈值计算。
• 应用领域截断技术，即使在未对参数空间进行先验截断的情况下，也能确保样本数量的绝对有界性。
• 该方法采用指数族分布实现，并利用矩生成函数和累积量生成函数进行性能分析。

实验结果

研究问题

• RQ1 如何构建一个可处理任意多个相互排斥且穷尽的复合假设的多阶段假设检验框架，并实现严格的错误控制？
• RQ2 此类框架中的理论最大样本量是多少？能否证明其绝对有界？
• RQ3 如何在保持严格错误概率约束的前提下，最小化平均样本数量和采样操作次数？
• RQ4 该框架能否系统性地应用于常见统计模型，如二项分布、泊松分布、正态分布和指数分布？
• RQ5 无差异区在平衡顺序检验中决策可靠性与样本量效率方面起到什么作用？

主要发现

• 所提出的多阶段检验在原假设和备择假设下均实现样本数量的绝对有界性，即使在未截断参数空间的情况下亦成立。
• 平均样本数量严格小于先前方法，且通过矩生成函数和累积量生成函数显式推导出其有界性。
• 在所有测试的分布（二项分布、泊松分布、正态分布、指数分布和伽马分布）中，该框架均生成高效抽样方案，并保证错误控制。
• 该方法确保在每个假设的真实参数集下拒绝该假设的概率被预设显著性水平 δi 所限制。
• 递归计算公式使得停止与决策规则在实时应用中可高效实现。
• 该框架支持单侧检验与双侧检验、三重假设及区间假设，已应用于寿命测试和有限总体比例检验。