On the Problem of the Most Efficient Tests of Statistical Hypotheses

خلاصه

مقاله‌ای بنیادی که چارچوب رسمی آزمون فرضیه شامل مفاهیم قدرت آزمون، خطای نوع اول و دوم، و لم بهینگی نی‌من-پیرسون را بنا کرد.

نمای سریع

فرموله‌سازی رسمی آزمون فرضیه آماری و بهینگی آزمون‌ها.

یافته‌های کلیدی

اثبات اینکه آزمون نسبت درست‌نمایی (Likelihood Ratio Test) بهینه‌ترین روش برای تصمیم‌گیری بین دو فرضیه ساده است.

هدف

یافتن اصولی ریاضی برای طراحی آزمون‌هایی که با حفظ حداقل احتمال خطای نوع اول، خطای نوع دوم را کمینه کنند.

روش

نویسندگان مفهوم فرضیه صفر و فرضیه مقابل را به همراه مفاهیم خطای نوع اول و دوم تعریف کرده و لم معروف نی‌من-پیرسون را برای به دست آوردن یک آزمون با بیشترین توان آماری اثبات کردند.

نتایج

ارائه لم نی‌من-پیرسون و اثبات بهینگی آزمون نسبت درست‌نمایی.

نتیجه‌گیری

آزمون‌های فرضیه را می‌توان به عنوان مسائل بهینه‌سازی ریاضی فرموله‌ کرد.

مفاهیم کلیدی

hypothesis-testing، neyman-pearson، statistical-significance، mathematical-statistics

مطالعه‌ی بیشتر

https://doi.org/10.1098/rsta.1933.0009

تحلیل

این کار به همراه کارهای رونالد فیشر، شالوده استنتاج آماری فرکانس‌گرا (Frequentist Inference) را تشکیل می‌دهد که در تمام علوم مدرن استفاده می‌شود.

محدودیت‌ها

این رویکرد عمدتاً برای فرضیه‌های ساده طراحی شده و تعمیم آن به فرضیه‌های مرکب و فضاهای پارامتری بزرگتر پیچیده است.

کارهای آینده

گسترش مفاهیم به آزمون‌های ناپارامتری و آزمون‌های دنباله‌ای توسط دانشمندان بعدی.

کاربرد عملی

تمام چارچوب‌های مدرن آزمون فرضیه آماری، طراحی آزمایش‌ها (DoE)، و سیستم‌های تصمیم‌گیری دودویی در سیستم‌های تشخیص ناهنجاری بر اساس این اصول کار می‌کنند.