本發(fā)明主要涉及到指標(biāo)鑒定技術(shù)領(lǐng)域，特指一種減少試驗(yàn)樣本量的指標(biāo)鑒定方法。

背景技術(shù)：

指標(biāo)鑒定是產(chǎn)品或者系統(tǒng)設(shè)計(jì)、研制過程中或完成后的重要步驟，是檢驗(yàn)產(chǎn)品或系統(tǒng)有無滿足設(shè)計(jì)目標(biāo)的過程，是各類工業(yè)領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù)及對(duì)于產(chǎn)品的一項(xiàng)重要性能檢驗(yàn)手段。

由于試驗(yàn)條件的制約，在對(duì)損耗大、成本高、復(fù)現(xiàn)難的裝備系統(tǒng)進(jìn)行現(xiàn)場(chǎng)試驗(yàn)時(shí)，不太可能實(shí)現(xiàn)試驗(yàn)數(shù)據(jù)的中大樣本量(幾百甚至上千上萬)，小子樣是大多數(shù)裝備試驗(yàn)的樣本容量基本特性。在對(duì)小子樣試驗(yàn)進(jìn)行指標(biāo)鑒定時(shí)，傳統(tǒng)的基于經(jīng)典頻率學(xué)的統(tǒng)計(jì)方法因其局限性，已無法合理解釋小子樣的試驗(yàn)結(jié)果，也無法提供合理的指標(biāo)鑒定解決方案。

在進(jìn)行此類試驗(yàn)的指標(biāo)鑒定時(shí)，目前常用的解決方案有兩種：一是采用序貫檢驗(yàn)方法，即序貫概率比檢驗(yàn)(SPRT，Sequential Probability Ratio Test)，該方法在拒絕區(qū)域和接受區(qū)域之間構(gòu)建了一個(gè)緩沖區(qū)域，避免了因一次試驗(yàn)的成敗而產(chǎn)生截然不同的判決，根據(jù)當(dāng)前的檢驗(yàn)或估計(jì)效果調(diào)整抽樣次數(shù)，從而可以恰當(dāng)?shù)倪x取子樣容量，使所得的估計(jì)具有預(yù)定的精度；或者在給定的抽樣成本下，使風(fēng)險(xiǎn)更?。欢抢秘惾~斯理論，充分利用先驗(yàn)信息，在更小的樣本容量下實(shí)現(xiàn)同等甚至更高的估計(jì)精度或同樣的樣本容量下實(shí)現(xiàn)更高的估計(jì)精度。先驗(yàn)信息則是在抽樣或試驗(yàn)之前有關(guān)統(tǒng)計(jì)問題的信息，一般說來，先驗(yàn)信息主要來源于經(jīng)驗(yàn)(專家智庫)、歷史資料、仿真數(shù)據(jù)等。

基于第一種解決方案的指標(biāo)鑒定問題可以用一個(gè)假設(shè)檢驗(yàn)問題表征。序貫概率比檢驗(yàn)方法較傳統(tǒng)方法已有較大改進(jìn)，在減少試驗(yàn)樣本量方面改善顯著。

針對(duì)SPRT的缺點(diǎn)，序貫網(wǎng)圖檢驗(yàn)(SMT，Sequential Mess Test)法針對(duì)簡(jiǎn)單假設(shè)對(duì)簡(jiǎn)單假設(shè)的二項(xiàng)分布檢驗(yàn)方案構(gòu)建，在風(fēng)險(xiǎn)相當(dāng)?shù)那闆r下，能較有效的降低試驗(yàn)樣本量。該方法的思想是在給定成功概率的鑒定指標(biāo)值p₀，p₁以及兩類風(fēng)險(xiǎn)(棄真概率和采偽概率)上限設(shè)定值α,β的條件下，將原兩備選假設(shè)檢驗(yàn)問題拆分為多組假設(shè)檢驗(yàn)問題。以插入一個(gè)點(diǎn)的SMT假設(shè)檢驗(yàn)為例，引入中間鑒定指標(biāo)值p₂∈(p₀,p₁)，將原SPRT假設(shè)檢驗(yàn)拆分為如下兩組假設(shè)檢驗(yàn)問題：

H₀₁:p＝p₂,H₁₁:p＝p₁；

H₀₂:p＝p₀,H₁₂:p＝p₂；

對(duì)于兩組假設(shè)檢驗(yàn)分別采用SPRT法對(duì)其進(jìn)行檢驗(yàn)，使得算法停止時(shí)可取得有限值。

圖2所示描述了一個(gè)插入一個(gè)點(diǎn)的SMT方案。由圖可知，這種方法所需樣本量有一個(gè)上界n₀，當(dāng)所檢驗(yàn)總體分布為二項(xiàng)分布時(shí)，該上界是兩條直線的交點(diǎn)。通過計(jì)算可得當(dāng)

時(shí)，n₀取得最小值，由此可得插入點(diǎn)p₂的值，顯然p₂與α,β無關(guān)。截尾SMT方案的試驗(yàn)最小樣本量也遠(yuǎn)優(yōu)于傳統(tǒng)方法的試驗(yàn)樣本量。

序貫驗(yàn)后加權(quán)檢驗(yàn)(SPOT，Sequential Posterior Odd Test)方法是充分考慮先驗(yàn)信息的在SPRT基礎(chǔ)上演化而來的。設(shè)參數(shù)空間為Θ，考慮如下的復(fù)雜假設(shè)對(duì)復(fù)雜假設(shè)檢驗(yàn)：

H₀:θ∈Θ₀,H₁:θ∈Θ₁

其中，對(duì)于都滿足θ₀<θ₁，且有Θ₀∪Θ₁＝Θ,即Θ₀與Θ₁是Θ的一個(gè)分割。

對(duì)于獨(dú)立同分布樣本(X₁,…,X_n)，將SPRT中的似然函數(shù)比換作似然函數(shù)在Θ₀，Θ₁上的驗(yàn)后加權(quán)比：

其中，F(xiàn)^π(θ)是待鑒定參數(shù)θ的先驗(yàn)分布函數(shù)，引入常數(shù)A，B(0<A<1<B)，運(yùn)用檢驗(yàn)法則：

當(dāng)O_n≤A時(shí)，終止試驗(yàn)，采納假設(shè)H₀；

當(dāng)O_n≥B時(shí)，終止試驗(yàn)，采納假設(shè)H₁；

當(dāng)A<O_n<B時(shí)，在試驗(yàn)次數(shù)上限范圍內(nèi)，繼續(xù)下一次試驗(yàn)，不作決策。

在進(jìn)行裝備的指標(biāo)鑒定時(shí)，在風(fēng)險(xiǎn)相當(dāng)?shù)那闆r下，SMT檢驗(yàn)?zāi)茌^有效的降低試驗(yàn)樣本量。但在插入一個(gè)檢驗(yàn)點(diǎn)的基礎(chǔ)上再單純的插入多個(gè)點(diǎn)時(shí)，SMT檢驗(yàn)對(duì)試驗(yàn)檢驗(yàn)效果的改善效果并不十分明顯，仍需要較大的試驗(yàn)樣本量。

在對(duì)裝備系統(tǒng)進(jìn)行指標(biāo)鑒定時(shí)，SPOT方法不僅在接受區(qū)域及拒絕區(qū)域之間建立了緩沖帶，又利用了先驗(yàn)信息，在裝備的鑒定領(lǐng)域應(yīng)用廣泛。從圖1可知其雖然建立了接受與拒絕區(qū)域之間的緩沖帶，但檢驗(yàn)區(qū)域不是封閉區(qū)域，在進(jìn)行裝備的參數(shù)鑒定時(shí)存在無解(樣本量需求巨大)的可能性。SMT方法利用假設(shè)檢驗(yàn)的拆分，使得檢驗(yàn)在有限值內(nèi)有解(樣本需求理論值有限)。但因?yàn)楸旧磲槍?duì)簡(jiǎn)單假設(shè)對(duì)簡(jiǎn)單檢驗(yàn)構(gòu)建，檢驗(yàn)區(qū)域較大，沒有充分利用先驗(yàn)信息。

因此，針對(duì)裝備系統(tǒng)的指標(biāo)鑒定中存在的小子樣樣本容量問題，如何能夠一種高效、節(jié)約樣本量的檢驗(yàn)方法非常必要。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題就在于：針對(duì)現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明提供一種高效、可節(jié)約樣本量、保證指標(biāo)鑒定過程正確、提高指標(biāo)鑒定效率的減少試驗(yàn)樣本量的指標(biāo)鑒定方法。

為解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案：

一種減少試驗(yàn)樣本量的指標(biāo)鑒定方法，其步驟為：

S1.綜合不同來源的先驗(yàn)信息，經(jīng)相容性檢測(cè)后進(jìn)行數(shù)據(jù)歸一化融合；

S2.獲取假設(shè)檢驗(yàn)問題的原假設(shè)H₀和和備選假設(shè)H₁的先驗(yàn)概率；

S3.計(jì)算假設(shè)檢驗(yàn)問題的貝葉斯因子，貝葉斯因子為驗(yàn)后概率比和先驗(yàn)概率比的乘積；

S4.將假設(shè)檢驗(yàn)問題拆分為兩組：1號(hào)原假設(shè)H₀₀和1號(hào)備選假設(shè)H₀₁、2號(hào)原假設(shè)H₁₀和2號(hào)備選假設(shè)H₁₁；

S5.解算假設(shè)檢驗(yàn)拆分的插入點(diǎn)；

S6.估算兩類錯(cuò)誤的實(shí)際概率，用以對(duì)指標(biāo)鑒定的有效性進(jìn)行評(píng)估；

S7.根據(jù)兩類錯(cuò)誤的取值限定，估算截尾方案的最小有效樣本量N。

作為本發(fā)明方法的進(jìn)一步改進(jìn)：所述步驟S1中，先驗(yàn)信息通過歷史資料、理論分析或仿真實(shí)驗(yàn)及專家智庫的途徑獲取。

作為本發(fā)明方法的進(jìn)一步改進(jìn)：經(jīng)過相容性檢測(cè)處理后，得到各先驗(yàn)信息的可信度度量，基于可信度度量對(duì)先驗(yàn)信息進(jìn)行融合，得到先驗(yàn)信息的分布特征或者樣本數(shù)據(jù)。

作為本發(fā)明方法的進(jìn)一步改進(jìn)：所述步驟S2和S3中，所述備選假設(shè)H₀和H₁的先驗(yàn)概率是根據(jù)先驗(yàn)信息整理出的以分布特性表示的概率；所述貝葉斯因子用于表征指標(biāo)鑒定問題的離散驗(yàn)后樣本對(duì)備選假設(shè)H₀的支持程度。

作為本發(fā)明方法的進(jìn)一步改進(jìn)：所述步驟S5中，設(shè)初始假設(shè)檢驗(yàn)的問題表述為:

H₀:θ＝θ₀,H₁:θ＝θ₁(θ₁<θ₀)

引入中間鑒定指標(biāo)值θ₂，且有θ₁<θ₂<θ₀，將上述假設(shè)檢驗(yàn)拆分為兩對(duì)假設(shè)檢驗(yàn)問題：

H₀₁:θ＝θ₀,H₁₁:θ＝θ₂

H₀₂:θ＝θ₂,H₁₂:θ＝θ₁

插入點(diǎn)(n₀,s₀)的解算，插入點(diǎn)中n₀為試驗(yàn)樣本量上界的最小值，s₀為插入點(diǎn)θ₂的最佳估計(jì)值，對(duì)應(yīng)于兩對(duì)假設(shè)檢驗(yàn)邊界交點(diǎn)處的縱坐標(biāo)值。

作為本發(fā)明方法的進(jìn)一步改進(jìn)：所述步驟S6和S7中，驗(yàn)后概率比為貝葉斯因子與先驗(yàn)概率比的乘積，結(jié)合先驗(yàn)信息即可得到所提出的指標(biāo)鑒定方法中的棄真概率α_π0和采偽概率β_π1分別為：當(dāng)θ＝θ₀時(shí)拒絕H₀₁的概率和當(dāng)θ＝θ₁時(shí)接受H₀₂的概率。

作為本發(fā)明方法的進(jìn)一步改進(jìn)：所述估算截尾方案的步驟為：

S701.根據(jù)能接受的兩類風(fēng)險(xiǎn)值估算鑒定試驗(yàn)的樣本上界的最小值及此時(shí)對(duì)應(yīng)的實(shí)際上的兩類風(fēng)險(xiǎn)；

S702.結(jié)合實(shí)際兩份風(fēng)險(xiǎn)值確定截尾方案的風(fēng)險(xiǎn)基值，并對(duì)比能接受的兩類風(fēng)險(xiǎn)值確定截尾方案時(shí)兩類風(fēng)險(xiǎn)的增值上界；

S703.根據(jù)兩類風(fēng)險(xiǎn)增量值與試驗(yàn)次數(shù)n的函數(shù)關(guān)系，解算兩類風(fēng)險(xiǎn)對(duì)應(yīng)的兩個(gè)n值，取其中較大者作為截尾試驗(yàn)的樣本量估計(jì)。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：

1.本發(fā)明采用先驗(yàn)信息并將假設(shè)檢驗(yàn)拆分的辦法實(shí)現(xiàn)裝備指標(biāo)鑒定的檢驗(yàn)過程，在先驗(yàn)信息準(zhǔn)確可信的前提下，能夠保證試驗(yàn)樣本量的縮減。

2.本發(fā)明采用了假設(shè)檢驗(yàn)的拆分，使得假設(shè)檢驗(yàn)的搜索區(qū)域理論上形成一個(gè)封閉區(qū)域，減少了試驗(yàn)樣本量；基于插入點(diǎn)的解算進(jìn)行假設(shè)檢驗(yàn)的拆分，提高了指標(biāo)鑒定的效率；在計(jì)算概率比時(shí)充分利用了基于可信度融合后的先驗(yàn)信息，使得試驗(yàn)樣本量縮減。

3.本發(fā)明進(jìn)一步在整個(gè)指標(biāo)鑒定方案構(gòu)建時(shí)，基于兩類風(fēng)險(xiǎn)提供了截尾方案的最大試驗(yàn)樣本量估算，為指標(biāo)鑒定試驗(yàn)規(guī)劃提供了先驗(yàn)參考。

附圖說明

圖1是序貫驗(yàn)后加權(quán)檢驗(yàn)的停止邊界的示意圖。

圖2是插入一個(gè)點(diǎn)的簡(jiǎn)單假設(shè)對(duì)簡(jiǎn)單假設(shè)的序貫網(wǎng)圖檢驗(yàn)的示意圖。

圖3是本發(fā)明在具體應(yīng)用實(shí)例中假設(shè)檢驗(yàn)問題的停止邊界的示意圖。

圖4是本發(fā)明方法的流程示意圖。

具體實(shí)施方式

以下將結(jié)合說明書附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明。

在進(jìn)行裝備的指標(biāo)鑒定時(shí)，指標(biāo)鑒定方式的假設(shè)檢驗(yàn)可主要分為兩種，一種情況是備選假設(shè)都為簡(jiǎn)單假設(shè)，另一種情況是備選假設(shè)都為復(fù)雜假設(shè)。本發(fā)明主要針對(duì)的是第一種情況，充分利用先驗(yàn)信息及備選假設(shè)的合理拆分，使得用于指標(biāo)鑒定的假設(shè)檢驗(yàn)方案更為合理、高效。在進(jìn)行裝備系統(tǒng)的指標(biāo)鑒定時(shí)，合理設(shè)置的簡(jiǎn)單假設(shè)已經(jīng)可以滿足鑒定方案需求。在簡(jiǎn)單假設(shè)對(duì)簡(jiǎn)單假設(shè)的檢驗(yàn)方案中，鑒定參數(shù)的分布情況是一般適用的，即針對(duì)二項(xiàng)分布、正態(tài)分布等分布類型都是適用的。

在本發(fā)明所提出的技術(shù)方案中，主要包含以下工作：基于可信度的先驗(yàn)信息融合、備選假設(shè)H₀和H₁的先驗(yàn)概率及檢驗(yàn)問題的貝葉斯因子、假設(shè)檢驗(yàn)拆分及插入點(diǎn)的解算、兩類錯(cuò)誤(棄真、采偽)概率的估算及截尾方案設(shè)計(jì)。

如圖4所示，本發(fā)明的一種減少試驗(yàn)樣本量的指標(biāo)鑒定方法，具體步驟為：

S1.綜合不同來源的先驗(yàn)信息，經(jīng)相容性檢測(cè)后進(jìn)行數(shù)據(jù)歸一化融合；

S2.獲取假設(shè)檢驗(yàn)問題的原假設(shè)H₀和和備選假設(shè)H₁的先驗(yàn)概率；

S3.計(jì)算假設(shè)檢驗(yàn)問題的貝葉斯因子，貝葉斯因子為驗(yàn)后概率比和先驗(yàn)概率比的乘積。

S4.將假設(shè)檢驗(yàn)問題拆分為兩組：1號(hào)原假設(shè)H₀₀和1號(hào)備選假設(shè)H₀₁、2號(hào)原假設(shè)H₁₀和2號(hào)備選假設(shè)H₁₁；

S5.解算假設(shè)檢驗(yàn)拆分的插入點(diǎn)；

S6.估算兩類錯(cuò)誤的實(shí)際概率,用以對(duì)指標(biāo)鑒定的有效性進(jìn)行評(píng)估；

S7.根據(jù)兩類錯(cuò)誤的取值限定，估算截尾方案的最小有效樣本量N。

上述步驟S1中，基于可信度的先驗(yàn)信息融合是本發(fā)明的前提條件。先驗(yàn)信息主要通過歷史資料、理論分析或仿真實(shí)驗(yàn)及專家智庫等三種途徑獲取。經(jīng)過相容性檢測(cè)等處理后，可得到各先驗(yàn)信息的可信度度量，基于可信度度量對(duì)先驗(yàn)信息進(jìn)行融合，得到先驗(yàn)信息的分布特征或者樣本數(shù)據(jù)。

上述步驟S2和S3中，備選假設(shè)H₀和H₁的先驗(yàn)概率及檢驗(yàn)問題的貝葉斯因子的估算是完成先驗(yàn)信息的再加工。所述備選假設(shè)H₀和H₁的先驗(yàn)概率是根據(jù)先驗(yàn)信息整理出的以分布特性表示的概率；所述貝葉斯因子用于表征指標(biāo)鑒定問題的離散驗(yàn)后樣本對(duì)備選假設(shè)H₀的支持程度。

上述步驟S5中，假設(shè)檢驗(yàn)拆分及插入點(diǎn)的解算是本發(fā)明中比較重要的部分。設(shè)初始假設(shè)檢驗(yàn)的問題可表述為:

H₀:θ＝θ₀,H₁:θ＝θ₁(θ₁<θ₀)

引入中間鑒定指標(biāo)值θ₂，且有θ₁<θ₂<θ₀，將上述假設(shè)檢驗(yàn)拆分為兩對(duì)假設(shè)檢驗(yàn)問題：

H₀₁:θ＝θ₀,H₁₁:θ＝θ₂

H₀₂:θ＝θ₂,H₁₂:θ＝θ₁

插入點(diǎn)(n₀,s₀)的解算，插入點(diǎn)中n₀為試驗(yàn)樣本量上界的最小值，s₀為插入點(diǎn)θ₂的最佳估計(jì)值，對(duì)應(yīng)于圖3中兩對(duì)假設(shè)檢驗(yàn)邊界交點(diǎn)處的縱坐標(biāo)值。

上述步驟S6和S7中，兩類錯(cuò)誤(棄真、采偽)概率的估算及截尾方案設(shè)計(jì)是裝備指標(biāo)鑒定中必不可少的一個(gè)環(huán)節(jié)。驗(yàn)后概率比為貝葉斯因子與先驗(yàn)概率比的乘積，結(jié)合先驗(yàn)信息即可得到該方案提出的指標(biāo)鑒定方法中的棄真概率α_π0和采偽概率β_π1分別為：當(dāng)θ＝θ₀時(shí)拒絕H₀₁的概率和當(dāng)θ＝θ₁時(shí)接受H₀₂的概率。

作為較佳的實(shí)施例，所述估算截尾方案的詳細(xì)步驟為：

S701.首先根據(jù)能接受的兩類風(fēng)險(xiǎn)值估算鑒定試驗(yàn)的樣本上界的最小值及此時(shí)對(duì)應(yīng)的實(shí)際上的兩類風(fēng)險(xiǎn)；

S702.結(jié)合實(shí)際兩份風(fēng)險(xiǎn)值確定截尾方案的風(fēng)險(xiǎn)基值，并對(duì)比能接受的兩類風(fēng)險(xiǎn)值確定截尾方案時(shí)兩類風(fēng)險(xiǎn)的增值上界；

S703.根據(jù)兩類風(fēng)險(xiǎn)增量值與試驗(yàn)次數(shù)n的函數(shù)關(guān)系，解算兩類風(fēng)險(xiǎn)對(duì)應(yīng)的兩個(gè)n值，取其中較大者作為截尾試驗(yàn)的樣本量估計(jì)。

綜上所述，本發(fā)明的上述技術(shù)方案中采用了基于可信度的先驗(yàn)信息，并使用了假設(shè)檢驗(yàn)的拆分來進(jìn)行指標(biāo)鑒定,該方法充分利用多源信息，基于統(tǒng)計(jì)理論進(jìn)行假設(shè)檢驗(yàn)的拆分,可實(shí)現(xiàn)指標(biāo)鑒定試驗(yàn)樣本量的縮減。

在一個(gè)具體應(yīng)用實(shí)例中，本發(fā)明以正態(tài)分布方差已知情況下的均值檢驗(yàn)問題來進(jìn)行說明。

考慮簡(jiǎn)單假設(shè)對(duì)簡(jiǎn)單假設(shè)的檢驗(yàn)問題，即H₀:μ＝μ₀,H₁:μ＝μ₁＝λμ₀,0<λ<1，抽取樣本為(X₁,,X_n)，原假設(shè)H₀及備選假設(shè)H₁的先驗(yàn)概率分別為π₀和π₁，原假設(shè)H₀及備選假設(shè)H₁的驗(yàn)后概率分別為α₀和α₁，則貝葉斯因子為：

其中，exp表示指數(shù)函數(shù)，σ為正態(tài)分布的方差，μ₀和μ₁分別為均值的鑒定指標(biāo)值。驗(yàn)后概率比為貝葉斯因子和先驗(yàn)概率比的乘積

在有些情況下，B^π(X)異常的小，這時(shí)即使π₀/π₁成千上萬都無法使α₀/α₁＞1，此時(shí)可以直接接受H₁而拒絕H₀。在簡(jiǎn)單假設(shè)對(duì)簡(jiǎn)單假設(shè)的序貫檢驗(yàn)中，貝葉斯因子反映的是抽樣樣本(驗(yàn)后樣本)對(duì)H₀的支持程度。

引入中間鑒定指標(biāo)值μ₂(μ₂∈(μ₁,μ₀),μ₂＝λ₂μ₀),0<λ₂<1，將上述假設(shè)拆分為兩對(duì)假設(shè)檢驗(yàn)問題：

H₀₁:μ＝μ₂,H₁₁:μ＝μ₁

H₀₂:μ＝μ₀,H₁₂:μ＝μ₂

則有H₀₁:μ＝μ₂,H₁₁:μ＝μ₁假設(shè)下的貝葉斯因子為：

其先驗(yàn)概率比為π₀₁/π₁₁。H₀₂:μ＝μ₀,H₁₂:μ＝μ₂假設(shè)下的貝葉斯因子為：

其先驗(yàn)概率比為π₀₂/π₁₂。

設(shè)序貫檢驗(yàn)的停止邊界為常數(shù)其中，α,β分別為棄真和采偽的概率上界，為簡(jiǎn)化計(jì)算表征記a＝logA，b＝logB，本發(fā)明所需的樣本量的下界n₀仍為兩條直線的交點(diǎn)，并由下式?jīng)Q定。

s₁n₀+h₁₁＝s₂n₀+h₂₂

其中，

可解得：

其中，

a₁＝log(Aπ₁₁/π₀₁),b₁＝log(Bπ₁₂/π₀₂)

可見此時(shí)，試驗(yàn)樣本上界最小值n₀是先驗(yàn)概率比、兩類風(fēng)險(xiǎn)及總體分布參數(shù)的函數(shù)。

驗(yàn)后概率比為貝葉斯因子與先驗(yàn)概率比的乘積，結(jié)合先驗(yàn)信息可得到本發(fā)明所述方案的拒真概率α_π0和采偽概率β_π1分別為：

參考上述過程可知，本發(fā)明鑒定方法的截尾方案步驟如下：

①首先按照上述步驟計(jì)算本發(fā)明方法非截尾檢驗(yàn)方案指定兩類風(fēng)險(xiǎn)(其它條件相同)下的試驗(yàn)樣本上界最小值n₀及其對(duì)應(yīng)的實(shí)際上的兩類風(fēng)險(xiǎn)α_π0和β_π1。

②按照實(shí)際上的兩類風(fēng)險(xiǎn)確定截尾方案下的兩類風(fēng)險(xiǎn)的下界，根據(jù)試驗(yàn)檢驗(yàn)需求確定兩類風(fēng)險(xiǎn)的增量上界和

③假設(shè)在n_t次試驗(yàn)進(jìn)行截尾判決，此時(shí)有檢驗(yàn)準(zhǔn)則：

若s_nt≥r_t1，則接受H₀；

若s_nt≤r_t2，則拒絕H₀。

停止邊界r_t1為

其中，b₀＝log(Bπ₁/π₀)。

截尾方案的停止邊界r_t2為

式中參數(shù)如前所述。

④求解n_t。如前所述，截尾方案的判決門限取決于試驗(yàn)樣本量n_t。由圖3易知兩類風(fēng)險(xiǎn)的增量上界和分別可表征為

根據(jù)給定的和分別解出n_t，取其較大者作為對(duì)應(yīng)的兩類風(fēng)險(xiǎn)下的試驗(yàn)樣本量，并給出截尾方案上、下停止邊界r_t1及r_t2。

以上僅是本發(fā)明的優(yōu)選實(shí)施方式，本發(fā)明的保護(hù)范圍并不僅局限于上述實(shí)施例，凡屬于本發(fā)明思路下的技術(shù)方案均屬于本發(fā)明的保護(hù)范圍。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理前提下的若干改進(jìn)和潤(rùn)飾，應(yīng)視為本發(fā)明的保護(hù)范圍。