यह पेपर रुचि का हो सकता है:
http://arxiv.org/pdf/0906.4032v1.pdf
यह दो नमूना समस्या के लिए कुछ लगातारवादी और बेयसियन दृष्टिकोण का एक अच्छा सारांश देता है, और पैरामीट्रिक और गैर-समरूप दोनों मामलों पर चर्चा करता है।
यह एक सरल उदाहरण देने के लिए अन्य उत्तरों में कुछ जोड़ सकता है। आप दो डेटा सेट है कहो और वाई जहां प्रत्येक एक्स मैं और प्रत्येक y j या तो एक है 0 या 1 । तुम्हें पता है, दोनों ही मामलों में एक आईआईडी Bernoulli मॉडल मान इसलिए प्रत्येक एक्स मैं ~ बी ई आर एन ( पी ) और प्रत्येक y मैं ~ बी ई आर एन ( क्ष ) । लगातार और बेयसियन सेटिंग्स दोनों में आपकी परिकल्पना परीक्षण परिदृश्य हो सकता है:एक्सyएक्समैंyj01एक्समैं~ बी ई आर एन ( पी )yमैं~ बी ई आर एन ( क्ष)
एच0:पी = क्यू
जरूरी नहीं के बराबर।एच1:पी , क्यू
प्रत्येक मामले में डेटा के लिए संभावनाएं हैं:
के तहत : एल 0 ( पी ) = च ( एक्स , वाई , पी ) = Π मैं पी मैं ( 1 - पी ) 1 - मैं Π जे पी जे ( 1 - पी ) 1 - jएच0एल0( p ) = f( एक्स , वाई , पी ) = Πमैंपीमैं( 1 - पी )1 - मैंΠjपीj( 1 - पी )1 - जे
के तहत : एल 1 ( पी , क्यू ) = च ( एक्स , वाई , पी , क्यू ) = Π मैं पी मैं ( 1 - पी ) 1 - मैं Π जे क्ष j ( 1 - क्ष ) 1 - jएच1एल1( पी , क्यू) = च( एक्स , वाई , पी , क्यू) = ∏मैंपीमैं( 1 - पी )1 - मैंΠjक्षj( 1 - q)1 - जे
( एच 0 के तहत के बाद से )। समस्या के बारे में एक निरंतर दृष्टिकोण एक संभावना अनुपात परीक्षण करने के लिए हो सकता है, जिससे आप सांख्यिकीय की गणना करते हैं:एच0क्ष= पी
डब्ल्यू= - 2 लॉग{ एल0( पीमी ए एक्स)एल1( पीमी ए एक्स, qमी ए एक्स)} ,
पीमी ए एक्स, qमी ए एक्सपीक्षपीमी ए एक्सपीमी ए एक्सडब्ल्यूχ21एच0
पी ~ π0एच0पी , क्यू~ π1एच1
ब फ= च( x , y | H0)च( x , y | H1)= ∫10एल0( p ) π0( p ) dपी∫10∫10एल1( पी , क्यू) π1( पी , क्यू) dपी डीक्ष
एच0एच1एच0एच1 पी ( एच)0) = पी ( एच1) = 1 / 2
पी ( एच)0| x , y )पी ( एच)1| x , y )= बी एफ× पी ( एच0)पी ( एच)1)= बी एफ× १ / २1 / 2= बी एफ।
> 1एच0एच1एच0
एच1
आशा है कि पहले से ही पोस्ट किए गए अन्य उत्तरों के साथ मदद करता है।