回答:
これらの量(と)はランダム変数ではないので、ピアソン相関について話すのをためらいます。それがどのような意味で適用されるかはわかりません。β
2つは、合理的に一般的に言えば(ただし、以下を参照*)-他のもの(サンプルサイズとを計算する効果サイズなど)を等しく保つという意味で負の関係にあります-を変更すると、反対方向に移動します(特に、通常の状況では、は関数です。を決定するのに十分な量を指定します。これは依存します。そして、その関係は、最も合理的な状況では、実際のテストで使用したい-負に依存している)。α β β α β α
たとえば、いくつかの電力曲線を考えます。を移動すると、パワーカーブ()が上下に移動するため、が増加するにつれて、カーブ上のあるポイント(カーブと1の間の距離)のが減少します。これは、両側検定(たとえば、t検定)の例です。1 - β β α
片側の場合も同様ですが、上の画像の右半分に焦点を合わせます(画像の左半分の2つの曲線はゼロに向かって下向きになります)。
*これが当てはまる必要のない状況もあります。コルモゴロフ・スミルノフ検定を介して、ユニフォーム(0,1)のテストを検討してください。
代わりに、 (または、実際には、単位間隔の外に何らかの確率がある分布ユニフォームがある可能性を考えてみましょう。†
(0,1)にない値を観察した場合、コルモゴロフスミルノフ検定は必ずしもnullを拒否しません。しかし、2番目の検定(KS *検定と呼ぶことにしましょう)を作成できます。これは、(0,1)の外側の値を観察するときに、通常の統計であるかどうかに関係なくnullも拒否することを除いて、コルモゴロフ-スミルノフのようなものです臨界値に達する。
次に、(0,1)以外の確率を持つ代替案では、をまったく変更せずに、タイプIIのエラー率を(通常のKSテストのエラー率から)減らしました。
(その場合、通常KSを使用するのは良い考えではありません。そのため、可能性があることがわかっている場合は、代替案について慎重に検討する必要があります)
LET 密度で観察を表し、F 0(X )又はF 1(X )仮説として記載H 0又はH 1が真です。ましょうΓ 0及びΓ 1を表す決定領域。従って、Γ 0 ∩ Γ 1 = ∅、Γ 0 ∪ Γ 1 = R及び決定は、という点であるH iは真のIFFでX ∈。次に、タイプIおよびタイプIIのエラー確率は P (タイプIエラー)です。 2つの考えてみて、他の意思決定領域Γ " 0およびΓを「1 ようΓ1⊂Γ " 1とΓ「0 ⊂Γ0。今、 ∫Γ ' 1 F0(X)