SPRT-Sequential Probability Ratio Test
文章目录
- sprt
- 参考文献1理解:
- 边界值来源
- 边界值推导
- 参考文献3理解:
- 参考文献4理解:
sprt
数学统计工具,首先介绍一下
参考文献1
参考文献2
参考文献3
参考文献4
参考文献1理解:
边界值来源
使用一个简单的例子,两个供应商提供零件,A供应商的零件寿命为µ1= 15,B供应商的零件寿命µ2 = 20, 通过一个测试判断零件是属于A还是属于B。
满足条件:
- 如果零件属于A,但是被认为是B的概率小于å1 = 0.01
- 如果零件属于B,但是被认为是A的概率小于å2 = 0.05
当成是两个单边测试。
- 对于A而言,测试结果如下图:
c1 是表现å1的重要指标
如果测试结果比c1小,那么认为零件来自A
如果测试结果大于c1,那么零件不来自A
- 对于B而言,测试结果如下图:
同理,c2就是表现å2的重要指标
如果测试结果小于c2,那么认为零件不来自B,
如果测试结果大于c2,那么认为零件来自B.
- 实际测试
结果可能如下:
- x1 小于c2,那么接收零件来自供应商A
- x3 大于c1,那么接收零件来自供应商B
- 如果介于两者之间,继续观察,需要下一步数据。
边界值推导
假设两个供应商的零件使用寿命服从指数分布,定义两个变量,θA = μA ,θB = μB
那么指数分布概率密度为… … … … … … … … … eqn1:
在一段时间内,如果零件属于供应商A,这个事件的概率为… … … … … … … … … eqn2:
如果零件属于供应商B,这个事件的概率为… … … … … … … … … eqn3:
如果零件确实属于供应商A,那么公式2的值会远远大于公式3,上述两个概率比的对数为… … … … … … … … … eqn4:
更多的采样,这个相似比就为… … … … … … … … … eqn5:
如果比率R大于临界值U,则样本来自卖方B的机会比样本来自卖方A的机会大得多。我们可以得出结论,样本来自卖方B。
如果比率R小于临界值L,则样本来自卖方A的机会比样本来自卖方B的机会要大得多。我们可以得出结论,样本来自卖方A。
如果比率R在L和U之间,则无法得出结论。 需要更多样品。
如何确定两个边界值U和L呢
他们的取值需要参考两个参数å1,å2- significance level
, 分别为一类错误和二类错误- - -Type I error。
当比例小于L,我们接收样本来自A; 这时我们做出正确决定的概率大于1-å1;
做出错误决定的概率小于å2。
å1这里指的就是一类错误
å2就是二类错误
当接收样本属于A有公式… … … … … … … … … eqn7:
公式… … … … … … … … … eqn8:
结合公式78,另
同理,如果接收样本来自B ,那么
整理结论
:
上述公式推论可得出
L = ln(å2 /(1- å1))
U =ln(1-å2/å1)
参考文献3理解:
假设有一组离散数据,x1,x2,…或者是符合某个分布函数的f的连续变量。
两个假设H0 : f = f0
H1: f = f1
经典的概率比测试中,设置一个阈值k,如果λ > A, 接收H0, 如果小于A,那么接收H1。
A.Wald,提出设置两个阈值A, B,如果λ< A那么接收H0,如果λ>B,那么接收H1,否则介于两者之间可以继续观察。
参考文献4理解:
有一组假设/数据,我们需要做出决定,接受或者拒绝。
sprt的思想是一次收集一个观察值,如果x=x1,需要决定:
- 接受这个假设,结束观察
- 拒绝这个假设,结束观察
- 推迟决定,直到在收集一次观察
问题是如何作出决定。
提出两种错误:
提出假设H0: θ = θ0;
H1 : θ = θ1.
公式:
- 如果Λn > B, 接收H1;
- 如果Λn < A,接收H2;
- 如果A < Λn < B, 继续下一次观察。
优点是:做出决定之前,最小化平均样本量,没有在更大范围内进行测试。
关于A, B的取值:
SPRT-Sequential Probability Ratio Test相关推荐
- 关于SPRT(Sequential probability ratio test)
参考文献: Sequential Probability Ratio Test for Reliability Demonstration https://www.stats.ox.ac.uk/~st ...
- 序贯概率比检测Sequential Probability Ratio Test(SPRT)
Sequential Probability Ratio Test for Reliability Demonstration
- SPRT test和CUSUM
开篇总结: SPRT 是监测当前是处于哪个状态! CUSUM 是监测是否切换了状态,状态改变! SPRT Sequential Probability Ratio Test 序贯概率比测试 SPRT给 ...
- 匿名网络追踪溯源机制及方法
Tor作为匿名网络的代表,被誉为"暗网之王",而TOR这个网络具有双面性.Tor通过保护通信双方的身份信息,能有效防止用户个人信息的泄露,成为一种新的网络访问方式.但同时,攻击者也 ...
- SLAM之特征匹配(二)————RANSAC--------翻译以及经典RANSAC以及其相关的改进的算法小结
本文翻译自维基百科,英文原文地址是:http://en.wikipedia.org/wiki/ransac RANSAC是"RANdom SAmple Consensus(随机抽样一 ...
- RANSAC与其改进
1. 经典RANSAC 由Fischer和Bolles在1981年的文章[1]中首先提出,简要的说经典RANSAC的目标是不断尝试不同的目标空间参数,使得目标函数 C 最大化的过程.这个过程是随机(R ...
- 序贯概率比检验法matlab编程,序贯概率比检验
序贯概率比检验(Sequential probability ratio test,SPRT) [编辑] 什么是序贯概率比检验 数理统计学的一个分支,其名称源出于亚伯拉罕·瓦尔德在1947年发表的一本 ...
- 【滤波跟踪】基于matlab无迹卡尔曼滤波惯性导航+DVL组合导航【含Matlab源码 2019期】
⛄一.自主导航技术简介 1 基于SINS/声学的AUV自主导航 1.1 基于SINS/DVL的AUV自主导航技术 DVL是基于声呐多普勒效应的测速设备, 能提供较高精度的载体速度信息, 且其误差不随时 ...
- MHT: Basic Methods for Data Association(一)Intruction
文章目录 6.1 Introduction 6.1 Introduction Section 6.2 presents the score function, which can be directl ...
最新文章
- R语言数据排序函数sort, order rank实战
- SLAM:SLAM(即时定位与地图构建)的简介、发展、案例应用之详细攻略
- Elasticsearch入门hello world (macos)【二】java请求Elasticsearch
- SAP C4C里如何实现Sales Unit和Seller的自动determination
- npm 运行报错“Cannot find module ‘@vue/component-compiler-utils/package.json‘”
- 深入理解C++11pdf
- 运用现代信息技术 推进环评大数据建设
- 安装win10时,显示windows 无法安装到这个磁盘,选中的磁盘具有mbr分区表
- 左岸读书-语不惊人死不休(95)
- UPC-9558 区间权值
- Service与Android系统设计(5)-- libbinder
- 最小二乘法拟合椭圆(椭圆拟合线)
- 仿微信发送位置(高德地图定位)
- 遥感影像去背景 之 数据裁剪
- Wap 手机上网设置
- while [ -h “$PRG“ ] ; do 该段SHELL脚本的含义及应用
- apt查看安装包可用版本号
- iOS14越狱Unv0ver6.0.0工具已签名!附在线安装地址!
- HT合泰单片机入门教程(第二章 点亮第一个LED灯)
- 在CNKI上导出TXT文件
热门文章
- ssm+jsp计算机毕业设计房地产成本管理系统p17k1(程序+LW+源码+远程部署)
- ERROR: epmd error for host ST_23: address (cannot connect to host/port)
- java 809 128 题_java 第809页
- 慧都MES系统助力制造型工厂实现透明化、精细化管理
- 天津铁路工程投资控制系统-原来的文件打不开了,显示数据库错误
- 总体规划计算机制图标准,DB11T 997-2013 城乡规划计算机辅助制图标准.pdf-2020-09-13-13-36-27-221.docx...
- 页面加载自动跳转功能 比如localhost8080
- MySQL server has gone away解决方法
- java创建任意长度空格字符串_输入任意长的一个字符串,统计其字母、数字、空格及其他字符的数量。...
- 首席新媒体商学院创始人黎想:社群裂变失败,我的3点教训