例5. 承上例。試分別對(1)α=0.05,(2)α=0.11,(3)α=0.2,在{X≥c}形式的拒絕域中,找出最佳者。
解. 當c=4時,第一型錯誤的機率為
P(X≥4|p=0.5)=C(6,4)×0.56+C(6,5)×0.56+C(6,6)×0.56=0.34375>0.2。
當c=5時,例2中已給出第一型錯誤的機率為0.109375>0.05。當c=6時,例4中已給出第一型錯誤的機率為0.015625≤0.05。故對(1),{X≥c}形式的拒絕域中,最佳者為{X=6}。對(2)及(3)的α,{X≥c}形式的拒絕域中,最佳者皆為{X≥5}。
對8個{X≥c}形式的拒絕域,我們可按α分別落在的區間,找出最佳拒絕域。此部分留給讀者自行完成。另外,亦可有諸如{X=1,3,5}的拒絕域。可以想見,這種不會是太好的拒絕域。
例6. 設α=0.11,且取{X≥c}形式的最佳拒絕域。試分別對X=4,5,6,決定該接受H0或Ha?
解. 由例5,當α=0.11時,{X≥c}形式的最佳拒絕域為{X≥5}。若X=4,因並未落在拒絕域,故接受H0。至於X=5,及X=6,皆落在拒絕域,故皆拒絕H0且接受Ha。
在上述幾個例子中,由於只是展示用,不擬讓計算過於繁瑣,故銅板之投擲次數均取為少少的6次。實際執行檢定時,投擲次數通常會取得大些,一方面降低第二型錯誤的機率,一方面可有較多不同的第一型錯誤之機率的拒絕域。
我們亦可藉助幾何分佈來執行檢定,特別是當p較小時。取H0:p=0.01,Ha:p=0.03。隨機投擲銅枚,直至出現1個正面便停止。令Y表總共投擲的次數。直觀上Y較小時會拒絕H0,而接受Ha。Y有Ge(p)分佈,即參數p之幾何分佈,且
P(Y=k)=p(1-p)k-1,k=1,2,…。
又
P(Y≤k)=1-(1-p)k,k=1,2,…,
P(Y>k)=(1-p)k,k=1,2,…,
P(Y≥k)=(1-p)k-1,k=1,2,…,
P(Y<k)=1-(1-p)k-1,k=1,2,…。
例7. 取拒絕域為{Y≤k}。對α=0.05,求出最大的整數k,並分別求此時兩型錯誤的機率。
解. 第一型錯誤的機率須滿足
P(Y≤k|p=0.01)=1-(1-0.01)k=1-0.99k≤0.05。
解出k≤5.10…。故最大的整數k=5。此時第一型錯誤的機率為
1-0.995≈0.0490。
至於第二型錯誤的機率為
P(Y>5|p=0.03)=(1-0.03)5=0.975≈0.8587。
所以,若取α=0.05,及拒絕域{Y≤5},則當觀測到Y=4,便拒絕H0,且接受Ha;若得Y=6,便接受H0。另外,亦可反過來,考慮H0:p=0.03,Ha:p=0.01。直觀上,此時Y較大時該拒絕H0,而接受Ha。見下例。
例8. 取拒絕域為{Y≥k}。對α=0.05,求出最小的整數k,並分別求此時兩型錯誤的機率。
解. 第一型錯誤的機率須滿足
P(Y≥k|p=0.03)=(1-0.03)k-1=0.97k-1≤0.05。
解此k≥99.35…。故最小的整數k=100,即拒絕域為{Y≥100}。此時第一型錯誤的機率為
0.9799≈0.0490<0.05。
至於第二型錯誤的機率為
P(Y<100|p=0.01)=1-(1-0.01)99=1-0.9999≈0.6303。
最後來看,亦可以二項分佈來檢定例7中的p。取H0:p=0.01,Ha:p=0.03。再度隨機投擲銅板6次,令X表出現正面的次數,且取{X≥c}形式的拒絕域。因
P(X≥1|p=0.01)=1-P(X=0|p=0.01)=1-0.996≈0.0585,
故只要0.0586<α<1,皆可取拒絕域為{X≥1}。此時第二型錯誤的機率為
P(X=0|p=0.03)=0.976≈0.8330。
又因
P(X≥2|p=0.01)=1-P(X=0|p=0.01)-P(X=1|p=0.01)=1-0.996-6×0.011×0.995≈0.00146,
故若α=0.05,則可取拒絕域為{X≥2}。此時第二型錯誤的機率為
P(X≤1|p=0.03)=P(X=0|p=0.03)+P(X=1|p=0.03)=0.976+6×0.031×0.975≈0.9875。
第二型錯誤的機率可說相當大。
至於以二項分佈來檢定例8中的p,就留給讀者自行完成。