序貫概率比檢驗

出自 MBA智库百科(https://wiki.mbalib.com/)

序貫概率比檢驗（Sequential probability ratio test，SPRT）

　　數理統計學的一個分支，其名稱源出於亞伯拉罕·瓦爾德在1947年發表的一本同名著作，它研究的對象是所謂“序貫抽樣方案”，及如何用這種抽樣方案得到的樣本去作統計推斷。序貫抽樣方案是指在抽樣時，不事先規定總的抽樣個數（觀測或實驗次數）,而是先抽少量樣本,根據其結果，再決定停止抽樣或繼續抽樣、抽多少，這樣下去，直至決定停止抽樣為止。反之，事先確定抽樣個數的那種抽樣方案，稱為固定抽樣方案。

　　例如，一個產品抽樣檢驗方案規定按批抽樣品20件，若其中不合格品件數不超過 3，則接收該批，否則拒收。在此，抽樣個數20是預定的，是固定抽樣。若方案規定為：第一批抽出3個，若全為不合格品，拒收該批,若其中不合格品件數為x1<3，則第二批再抽3-x1個,若全為不合格品，則拒收該批，若其中不合格品數為 x2<3-x1,則第三批再抽3-x1-x2個,這樣下去,直到抽滿20件或抽得 3個不合格品為止。這是一個序貫抽樣方案，其效果與前述固定抽樣方案相同，但抽樣個數平均講要節省些。此例中，抽樣個數是隨機的，但有一個不能超過的上限20。有的序貫抽樣方案，其可能抽樣個數無上限，例如，序貫概率比檢驗的抽樣個數就沒有上限。

　　H.F.道奇和 H.G.羅米格的二次抽樣方案(見抽樣檢驗)是較早的一個序貫抽樣方案。1945年,C.施坦針對方差未知時估計和檢驗正態分佈的均值 μ(見數學期望)的問題,提出了一個二次抽樣方案。依此方案,在事先給定了l>0和0<α<1後，可作出均值μ的一個置信區間,其置信繫數（見區間估計）為1-α ，而長度不超過l。可以證明：當方差未知時，具有這種性質的置信區間在固定樣本的情況下不可能找到。由此可以看出序貫抽樣方案除了可節省抽樣量之外,還有一種作用,即為了達到預定的推斷可靠程度(這裡為置信繫數)及精確程度（這裡是以區間長度來刻畫），有時必須使用序貫抽樣。例如，估計一事件A的概率p(0<p<1)，給定ε>0及0<α<1，要找到這樣的估計孨,使能以不小於1-α 的概率保證估計的相對誤差|(孨-p)/p|≤ε。可以證明,若用固定抽樣方案,事先指定自然數n,做n次試驗,每次觀察A是否發生,則不論n多麼大,具有上述性質的孨不存在。但用下述序貫抽樣方案可得到這樣的孨:作試驗,觀察A是否發生,設到A第一次發生時已作了n1次試驗,計算出,取其整數部分n2,再作n2次試驗,記n2次試驗中A出現的次數為m,令孨=m/n2，則有p(｜-p｜/p≤ε)≥1-α ，而估計孨具有所指定的性質。

　　此法在亞伯拉罕·瓦爾德的1947年的著作中有系統介紹，

　　其要點如下：設在原假設H0和備擇假設H1之下，隨機變數x的概率密度函數或概率函數隨機變數都已知,且分別為p0(x)及p1(x),對x逐次觀測，第i次觀測的結果記為xi，稱比值為樣本x1, x2,…, xn的概率比。在固定抽樣方案之下，是先給定自然數n,對x進行n次觀測得x1,x2,…,xn，計算。

　　定出一常數C（其值取決於檢驗水平α）,當λn≤C 時,接受原假設H0,否則拒絕H0。這樣,在λn的值與C很接近時,H0是否被接受的界限過於斷然,不大合理。瓦爾德將此修改為:指定兩個數A,B,A<B，根據各次觀測得的樣本x1,x2,…的值,依次計算概率比λ1,λ2,…。每次抽樣完畢,即算出λn，再與A,B比較,若λn≤A,則接受H0；若λn≥B,則接收H1（拒絕H0）；

　　若A<λn<B,則繼續抽樣一次得xn+1,計算出xn+1再作上述比較，直到作出決定為止。這就是序貫概率比檢驗。至於A,B的定法,則取決於指定的兩種錯誤概率α和β（α,β都大於0，但很小）。

　　瓦爾德提供的近似公式是A=β/(1-α)，B=(1-β)/ α。他也給出了這種檢驗法的平均抽樣次數和功效函數（見假設檢驗），併在1948年與美國統計學家J.沃爾弗維茨一起，證明瞭在一切兩種錯誤概率分別不超過α和β的檢驗類中，上述序貫概率比檢驗所需平均抽樣次數最少。瓦爾德在其著作中也考慮了複合檢驗的問題，有許多統計學者研究了這種檢驗。瓦爾德的上述開創性工作，引起了許多統計學者對序貫方法的註意，並繼續進行工作，從而使序貫分析形成為數理統計學的一個分支。

　　除了檢驗問題以外，序貫方法在其他方面也有不少進展，對一般的統計決策問題，在各次觀測結果相互獨立的情況下的序貫貝葉斯解的問題，在理論上已有較完整的結果。在點估計方面，對序貫的最小化最大估計的研究有了一些結果。在區間估計方面，關於斯坦的二次抽樣，正態均值及一般總體均值和線性模型參數的區間估計，有不少的工作。另外，在數理統計學中有一類在應用上重要的問題，叫選擇問題，它要求從若幹個分佈中挑選出一個在某種意義上的最優者。例如，從若幹個具有不同均值的正態分佈中，挑選出其均值最大者。關於這個問題也發展了一系列的序貫方法。