Lemat Neymana-Pearsona

Lemat Neymana-Pearsona – twierdzenie z obszaru statystyki opublikowane przez Jerzego Neymana i Egona Pearsona w 1933. Stanowi – w amalgamacie z wcześniejszą propozycją Ronalda Fishera – jedną z podstaw procedury weryfikacji hipotez w podejściu częstościowym.

Kontekst i motywacja

Procedura testowa zaproponowana przez Fishera w 1925 miała następującą postać:

1. Wybierz hipotezę zerową $H_{0}.$ Nie musi ona zakładać zerowego efektu, tylko taki jaki chcesz sfalsyfikować.
2. Wykonaj obserwację i przedstaw jej surową wartość $p.$ Oceń na tej podstawie wartość dowodową danych według własnych kryteriów.
3. Korzystaj z tej procedury tylko jeśli badasz słabo znany obszar i nie masz lepszych narzędzi.

Neyman i Pearson uznali tę propozycję za niesatysfakcjonującą z szeregu powodów, i pracowali nad przedstawionym poniżej alternatywnym podejściem:

1. Wybierz dwie hipotezy, które chcesz porównać: $H_{1}$ i $H_{2},$ oraz dostosowane do konkretnego problemu dopuszczalne ryzyko błędów pierwszego rodzaju $\alpha$ i drugiego rodzaju $\beta .$ Wykonaj na ich podstawie analizę kosztów w celu wybrania optymalnego testu i wielkości próby dla rozstrzygania pomiędzy hipotezami na wybranym poziomie błędów.
2. Jeśli zaobserwowane dane spełniają kryterium odrzucenia $H_{1},$ postępuj tak jakby $H_{2}$ była prawdziwa; w przeciwnym razie postępuj tak, jakby prawdziwa była $H_{1}.$
3. Procedura ta nie rozstrzyga o prawdziwości hipotez, ale pozwala w długim horyzoncie czasowym utrzymywać ryzyko błędów w założonych granicach. Jest odpowiednia tylko do zastosowań, w których można jasno określić $\alpha$ i $\beta ,$ a $H_{1}$ i $H_{2}$ dają rozbieżne przewidywania.

Lemat Neymana-Pearsona jest matematyczną formalizacją i dookreśleniem pierwszego punktu, opisując metodę konstrukcji optymalnego warunku krytycznego dla przyjętych $\alpha$ i $\beta .$

Autorzy obu procedur dopracowywali je z biegiem lat i pozostawali w sporze o ich filozoficzne i praktyczne aspekty do końca życia. Po 1940 r. oba podejścia zaczęły być, wbrew wypowiedziom ich twórców, łączone w podręcznikach w coraz bardziej hybrydową i uproszczoną postać, i przedstawiane przy pomocy języka sugerującego, że pojedyncze wyniki mogą być używane do wyciągania wniosków o subiektywnym prawdopodobieństwie hipotez. Ma ona następującą formę – w krytycznym omówieniu Gigerenzera:

1. Przyjmij hipotezę zerową $H_{0},$ która zakłada zerowy efekt (brak różnic lub korelacji). Nie potrzebujesz określać żadnych szczegółów własnej hipotezy badawczej.
2. Przyjmij ryzyko błędów pierwszego rodzaju $\alpha$ na poziomie istotności 5% i wykonaj test $H_{0}.$ Jeśli wartość p przekroczy $\alpha ,$ uznaj swoją hipotezę badawczą za potwierdzoną. Zależnie od wartości $p,$ możesz przedstawić wyniki jako „istotne” na poziomie $p<0{,}05,$ $p<0{,}01$ lub $p<0{,}001.$
3. Stosuj tę procedurę do wszystkich zastosowań.

Ta ostatnia metoda stała się w drugiej połowie XX wieku stosowaną powszechnie, i jest w ocenie m.in. Gigerenzera czy Cohena, „bezmyślnym rytuałem”, używanym zbyt często do celów, do których nie została nigdy przeznaczona ani uprawomocniona.

Intuicja

Rozkłady prawdopodobieństwa dla statystyki testowej w hipotezie zerowej i alternatywnej, w teście t dla dwóch grup niezależnych, przy N=100, d=0,5 i dwustronnym α=0,05, co oznacza poziom β≈0,3 (moc statystyczną ok. 70%).

Neyman i Pearson jasno odcięli się od kwestii bezpośredniej oceny hipotez, stwierdzając że „żaden test oparty na teorii prawdopodobieństwa nie może sam w sobie stanowić wartościowego dowodu prawdziwości lub fałszywości hipotez”. Uznali, że są natomiast w stanie formalnie opisać reguły decyzyjne, które pozwalają przynajmniej na długoterminowe unikanie błędów.

Ich propozycja opiera się na założeniu, że $H_{1}$ i $H_{2}$ prognozują różne rozkłady badanego parametru w populacji, oraz że próby mogą być z niej pobierane wielokrotnie. Reguły prawdopodobieństwa uzasadniają wówczas oczekiwanie, że w długim okresie próby odzwierciedlą leżący u ich podłoża prawdziwy rozkład. Definiują następnie test statystyczny jako regułę rozstrzygającą pomiędzy hipotezami na podstawie tego, czy próba leży w krytycznym regionie rozkładu który jest zdecydowanie bardziej prawdopodobny dla jednej z nich. To, co badacz uzna za krytyczny region, zależy w ujęciu Neymana i Pearsona od konieczności balansowania ryzyka błędów $\alpha$ i $\beta$.

Ujęcie to wyznacza cztery podstawowe możliwości – dwa trafne rozpoznania i dwa błędy – odpowiadające przyjęciu:

• prawdziwej hipotezy $H_{1},$
• fałszywej hipotezy $H_{1}$ (błąd pierwszego rodzaju, którego ryzyko to $\alpha$),
• prawdziwej hipotezy $H_{2},$
• fałszywej hipotezy $H_{2}$ (błąd drugiego rodzaju, którego ryzyko to $\beta$).

W tym zakresie w jakim rozkłady pokrywają się, istnieje niebezpieczeństwo że próba pochodząca z jednego z nich może zostać omyłkowo przypisana drugiemu. Lemat dowodzi, że sensowny („najlepszy”) region krytyczny leży na tym zakresie, „na skraju” rozkładów. Ceteris paribus, $\alpha$ i $\beta$ wykluczają się – zmiana regionu krytycznego która zwiększa jedno z nich, musi zmniejszać drugie. Najlepszy obszar krytyczny można więc określić jako $\alpha$ szerokości o minimalnym prawdopodobieństwie z jednego rozkładu, który wyznacza jednocześnie analogiczne $\beta$ szerokości drugiego – niezależnie od tego jakie konkretnie $\alpha$ zostało wybrane.

Powyższa konstrukcja regionu krytycznego stanowi podstawę testu statystycznego o najwyższej mocy. Można go zrealizować ilorazem funkcji wiarygodności danych przy założeniu obu rozkładów, rozstrzygającym na korzyść jednego z nich zależnie od tego, czy plasuje próbę w obszarze krytycznym. Jeśli przyjęto trafny model statystyczny do określania wiarygodności, a próby są losowe, to decyzje oparte na rezultatach takiego testu asymptotycznie (w liczbie prób zmierzającej do nieskończoności) prowadzą do błędów jedynie z przyjętymi nominalnymi poziomami ryzyka.

W uproszczeniu, lemat sprowadza się do tego, że region krytyczny testu powinien leżeć „na skraju” rozkładów. Jego historyczne znaczenie polega też na ogólnym przedstawieniu podejścia Neymana i Pearsona do testów, oraz opracowaniu zagadnienia mocy testu we wnioskowaniu statystycznym.

Lemat

Poniższa ekspozycja lematu Neymana-Pearsona oparta jest na jego prezentacji w podręczniku Mooda, Graybilla i Boesa.

Niech $X$ będzie próbą losową z funkcji $f(x;\theta )$ na mierze prawdopodobieństwa $\mu ,$ gdzie hipotetyczny parametr $\theta$ przyjmuje jedną z dwóch znanych wartości $\theta _{0}$ lub $\theta _{1},$ a $\alpha$ stałą z przedziału $0<\alpha <1.$ Niech $k^{*}$ będzie dodatnią stałą, a region krytyczny $C^{*}$ podzbiorem całej przestrzeni probabilistycznej $\chi ,$ które spełniają warunki:

1. $P_{\theta _{0}}{\big [}X\in C^{*}{\big ]}=\alpha ,$
2. $\lambda ={\frac {L(\theta _{0};X)}{L(\theta _{1};X)}}={\frac {L_{0}}{L_{1}}}\leqslant k^{*}$ jeśli $X\in C^{*}$ oraz $\lambda \geqslant k^{*}$ jeśli $X\in {\overline {C}}^{*}.$

Wówczas test $\mathrm {T} ^{*}$ odpowiadający regionowi krytycznemu $C^{*}$ jest testem hipotez $H_{0}:\theta =\theta _{0}$ i $H_{1}:\theta =\theta _{1}$ o największej mocy $(1-\beta )$ przy danym $\alpha .$

Dla przypomnienia, wiarygodność to w tym przypadku całkowite prawdopodobieństwo danych obserwacji przy prawdziwości konkretnego parametru: $L_{j}=L(\theta _{j};X)=\prod _{i=1}^{n}f(x_{i};\theta _{j})$ dla $j\in (0,1),$ a ${\overline {C}}^{*}$ to dopełnienie zbioru: ${\overline {C}}^{*}=\chi -C^{*}.$

Dowód

Przyjmijmy, że $k^{*}$ i $C^{*}$ spełniające warunki 1 i 2 istnieją. Jeśli nie ma żadnego innego testu o istotności $\alpha$ lub niższej, $\mathrm {T} ^{*}$ jest automatycznie testem o najwyższej mocy. Załóżmy, że istnieje alternatywny test $\mathrm {T}$ o takiej istotności istnieje, z regionem krytycznym $C{:}$ $P_{\theta _{0}}{\big [}X\in C{\big ]}\leqslant \alpha .$ Dowód wymaga wykazania, że nie ma wyższej mocy, $\pi _{\mathrm {T} ^{*}}\geqslant \pi _{\mathrm {T} }.$

Kroki dowodu wykorzystują wiele wzajemnych relacji zbiorów $C^{*}$ i $C,$ w związku z czym w podążaniu za nim może być pomocne odwoływanie się do ich prostego diagramu Venna.

Przyjmijmy, że dla każdego podzbioru $R\in \chi$ oraz $j\in (0,1)$ będziemy zapisywać następujące całki wielokrotne dla skrótu w następujący sposób:

$\int \limits _{R}\dots \int \left[\prod _{i=1}^{n}f(x_{i};\theta _{j})\right]=\int _{R}L_{j}.$

Udowodnienie że $\pi _{\mathrm {T} ^{*}}\geqslant \pi _{\mathrm {T} }$ jest równoważne wykazaniu, że $\int _{C^{*}}L_{1}\geqslant \int _{C}L_{1}.$ Następnie:

$\int _{C^{*}}L_{1}-\int _{C}L_{1}=\int _{C^{*}{\overline {C}}}L_{1}-\int _{C{\overline {C}}^{*}}L_{1}\geqslant {\frac {1}{k^{*}}}\int _{C^{*}{\overline {C}}}L_{1}-{\frac {1}{k^{*}}}\int _{C{\overline {C}}^{*}}L_{1},$

ponieważ dla regionu krytycznego $C^{*},$ i stąd także dla $C^{*}{\overline {C}}{:}$

$L_{1}\geqslant {\frac {L_{0}}{k^{*}}},$

a dla dopełnienia regionu, ${\overline {C}}^{*},$ czyli także dla $C{\overline {C}}^{*}{:}$

$L_{1}\leqslant {\frac {L_{0}}{k^{*}}}$ oraz $-L_{1}\geqslant -{\frac {L_{0}}{k^{*}}}.$

Jednakże:

${\begin{aligned}&{\frac {1}{k^{*}}}\left(\int _{C^{*}{\overline {C}}}L_{0}-\int _{C{\overline {C}}^{*}}L_{0}\right)\\={}&{\frac {1}{k^{*}}}\left(\int _{C^{*}{\overline {C}}}L_{0}+\int _{C^{*}C}L_{0}-\int _{C^{*}C}L_{0}-\int _{C{\overline {C}}^{*}}L_{0}\right)\\={}&{\frac {1}{k^{*}}}\left(\int _{C^{*}}L_{0}-\int _{C}L_{0}\right)\\={}&{\frac {1}{k^{*}}}(\alpha -\alpha _{\mathrm {T} ^{*}})\geqslant 0\end{aligned}}$

co pozwala na konkludowanie dowodu:

$\int _{C^{*}}L_{1}-\int _{C}L_{1}\geqslant 0.$