Краткий эскиз ARE для t теста с одним образцом , подписанный тест и тест со знаком ранга
Я ожидаю, что длинная версия ответа @ Glen_b включает в себя подробный анализ теста с двумя выборками со знаком ранга и интуитивное объяснение ARE. Поэтому я пропущу большую часть вывода. (случай с одним образцом, вы можете найти недостающие детали в Lehmann TSH).
Задача тестирования : Пусть X1,…,Xn - случайная выборка из модели местоположения f(x−θ) , симметричная относительно нуля. Мы должны вычислить ARE знакового теста, знакового рангового теста для гипотезы H0:θ=0 относительно t-критерия.
Чтобы оценить относительную эффективность тестов, рассматриваются только локальные альтернативы, потому что последовательные тесты имеют тенденцию к 1 против фиксированной альтернативы. Локальные альтернативы, которые приводят к нетривиальной асимптотической степени, часто имеют вид для фиксированногоh, которыйв некоторых литературахназываетсядрейфом Питмана.θn=h/n−−√h
Наша задача впереди
- найти предельное распределение каждой тестовой статистики под нулевым
- найти предельное распределение каждой тестовой статистики по альтернативе
- вычислить локальную асимптотическую мощность каждого теста
Проверка статистики и асимптотики
- t-критерий (при наличии ) t n = √σt n = √
tn=n−−√X¯σ^→dN(0,1)under the null
tn=n−−√X¯σ^→dN(h/σ,1)under the alternative θ=h/n−−√
- поэтому тест, который отклоняет, если имеет асимптотическую степенную функцию
1 - Φ ( z α - h 1tn>zα
1−Φ(zα−h1σ)
- подписанный тест √Sn=1n∑ni=11{Xi>0}
√
n−−√(Sn−12)→dN(0,14)under the null
и имеет локальную асимптотическую степень
1 - Φ ( z α - 2 h f ( 0 ) )n−−√(Sn−12)→dN(hf(0),14)under the alternative
1−Φ(zα−2hf(0))
- Тест подписал ранга W n → d N ( 2 h ∫ f 2 , 1
Wn=n−2/3∑i=1nRi1{Xi>0}→dN(0,13)under the null
и имеет локальную асимптотическую степень
1 - Φ ( z α - √Wn→dN(2h∫f2,13)under the alternative
1−Φ(zα−12−−√h∫f2)
Следовательно, A
ARE(Sn)=(2f(0)σ)2
Если
f- стандартная нормальная плотность,
ARE(Sn)=2/π,
ARE(Wn)=3/πARE(Wn)=(12−−√∫f2σ)2
fARE(Sn)=2/πARE(Wn)=3/π
fARE(Sn)=1/3ARE(Wn)=1/3
Замечание о выводе распределения по альтернативе
Есть, конечно, много способов получить предельное распределение по альтернативе. Один общий подход заключается в использовании третьей леммы Ле Кама. Упрощенная версия этого гласит
ΔnWn
(Wn,Δn)→dN[(μ−σ2/2),(σ2Wττσ2/2)]
under the null, then Wn→dN(μ+τ,σ2W)under the alternative
For quadratic mean differentiable densities, local asymptotic normality and contiguity are automatically satisfied, which in turn implies Le Cam lemma.
Using this lemma, we only need to compute cov(Wn,Δn) under the null. Δn obeys LAN
Δn≈hn−−√∑i=1nl(Xi)−12h2I0
where
l is score function,
I0 is information matrix.
Then, for instance, for signed test
Sn
cov(n−−√(Sn−1/2),Δn)=−hcov(1{Xi>0},f′f(Xi))=h∫∞0f′=hf(0)