Noter til E6 - dirac
Noter til E6 - dirac
Noter til E6 - dirac
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
4 Hypoteseprøvning<br />
Antag at man opererer med en statistisk model som har en modelfunktion<br />
f(x, θ) hvor x ∈ X og θ ∈ Θ. En statistisk hypotese er en påstand<br />
om at den sande parameterværdi θ faktisk er beliggende i delmængden<br />
Θ 0 af Θ, formelt<br />
H 0 : θ ∈ Θ 0<br />
hvor Θ 0 ⊂ Θ. Den statistiske hypotese postulerer altså at man kan klare<br />
sig med en simplere model.<br />
Når man tester hypotesen, undersøger man hvordan hypotesen og de<br />
faktisk foreliggende observationer stemmer overens. Det foregår ved at<br />
man finder på eller vælger en endimensional stikprøvefunktion t kaldet<br />
en teststørrelse som er indrettet på en måde så den »måler« afvigelsen<br />
mellem observationer og hypotese. Herefter udregner man den såkaldte<br />
testsandsynlighed, dvs. sandsynligheden (forudsat at hypotesen er rigtig)<br />
for at få en værdi af X der stemmer dårligere overens (målt ved hjælp af t)<br />
med hypotesen end den foreliggende observation x gør; hvis overensstemmelsen<br />
er meget dårlig, så forkaster man hypotesen. – Hele proceduren<br />
benævnes et test.<br />
4.1 Kvotienttestet<br />
Ligesom likelihoodfunktionen kunne danne udgangspunkt for konstruktion<br />
af en estimator for θ, kan den bruges i forbindelse med hypoteseprøvning.<br />
Man kan nemlig benytte følgende generelle metode <strong>til</strong> at konstruere<br />
en teststørrelse.<br />
1. Find maksimaliseringsestimatoren ̂θ i grundmodellen og maksimaliseringsestimatoren<br />
̂̂θ under hypotesen, dvs. ̂θ er et punkt hvor ln L<br />
er maksimal i Θ, og ̂̂θ er et punkt hvor ln L er maksimal i Θ0 .<br />
For at teste hypotesen sammenligner vi likelihoodfunktionens maksimale<br />
værdi under hypotesen med dens maksimale værdi i grundmodellen,<br />
dvs. vi sammenligner den bedste beskrivelse vi kan få af<br />
x under hypotesen, med den bedste beskrivelse vi kan få i grundmodellen.<br />
Det kan gøres med kvotientteststørrelsen<br />
Q = L(̂̂θ)<br />
L(̂θ)<br />
(4.1)<br />
33