Next: Anwendungsbeispiele: Monte-Carlo-Simulation
Up: Weitere Testprobleme
Previous: Kolmogorow-Test
  Contents
-Anpassungstest
Wir modifizieren nun die ursprüngliche Fragestellung
(64) auf die folgende Weise:
Wir zeigen zunächst den folgenden Hilfssatz.
- Beweis
-
- Beachte
-
Anstelle das ursprüngliche Testproblem (64) zu
untersuchen, prüfen wir nun
Das folgende Theorem ist die Grundlage des sogenannten
-Anpassungstests, der von Karl Pearson (1857-1936)
eingeführt worden ist.
Theorem 4.7
Für jedes
gilt
|
(70) |
wobei
das
-Quantil der
-Verteilung mit
Freiheitsgraden bezeichnet.
Der Beweis von Theorem 4.7 geht über den
Rahmen dieser einführenden Vorlesung hinaus. Die Beweisidee beruht
auf der Anwendung des
- zentralen Grenzwertsatzes für Summen von unabhängigen und
identisch verteilten Zufallsvektoren (der eine mehrdimensionale
Version von Theorem WR-5.16 ist) und
- des Continuous Mapping Theorems für Zufallsvektoren (eine
mehrdimensionale Version von Theorem WR-5.12).
Dabei wird die Tatsache genutzt, daß
vgl. beispielsweise Abschnitt 11.2 in H.-O. Georgii (2002)
Stochastik: Einführung in die Wahrscheinlichkeitstheorie und
Statistik, de Gruyter, Berlin oder Abschnitt II.3 in H. Pruscha
(1996) Angewandte Methoden der Mathematischen Statistik,
Teubner, Stuttgart.
- Beachte
-
- Bei der praktischen Durchführung des -
Anpassungstests zur Prüfung der Hypothese (gegen die
Alternative
) ist zunächst der Wert der in
(69) definierten Testgröße
zu
berechnen.
- Bei hinreichend großem Stichprobenumfang wird die Hypothese
abgelehnt, falls
, wobei
das
-Quantil der
-Verteilung mit -Freiheitsgraden bezeichnet.
- Falls
, dann wird
die Hypothese nicht abgelehnt.
- Eine ,,Faustregel'' dafür, daß hinreichend groß ist, ist die
Gültigkeit der Ungleichung
für jedes
und für eine Konstante .
- Über die erforderliche Größe von gibt es unterschiedliche
Auffassungen in der Literatur, die von bis reichen.
Manche Autoren fordern sogar, daß .
- Andere Autoren meinen, daß bei einer großen Zahl von Klassen (etwa
) auch schon für die Approximation hinreichend gut
ist.
Next: Anwendungsbeispiele: Monte-Carlo-Simulation
Up: Weitere Testprobleme
Previous: Kolmogorow-Test
  Contents
Roland Maier
2003-03-06