Das in Abschnitt 3.1.1 betrachtete Modell der
einfaktoriellen Varianzanalyse kann auf zwei verschiedene Weisen
als lineares Modell dargestellt werden.
In beiden Fällen wird die Zufallsstichprobe
,,strukturiert'', d.h., wir
verwenden die Schreibweise
, wobei
.
Der Zufallsvektor
wird in der Form
dargestellt, wobei die Designmatrix
und der Parametervektor
jeweils
unterschiedlich gewählt werden.
Dabei hat
im ersten Fall vollen Rang, im zweiten Fall
jedoch keinen vollen Rang.
Die zweite (reparametrisierte) Darstellung ist auf die Anwendung
der allgemeinen Schätz- und Testverfahren ausgerichtet, die in
den Abschnitten 3.2 und 3.3 behandelt
werden.
Bei normalverteilten Störgrößen lässt sich auf diese Weise unter
die Verteilung der in
(8) betrachteten Testgröße
bestimmen, vgl. die Formel
(88) in Abshcnitt 3.4.1.
Fall 1
In diesem Fall ist die Designmatrix
gegeben durch die
Matrix
(10)
und der Parametervektor
ist gegeben durch
.
Fall 2
Wir betrachten die folgende Reparametrisierung der
Erwartungswerte
, die den Stufen des
Einflussfaktors entsprechen.
Und zwar seien
und
reelle Zahlen, so dass
(11)
und
(12)
Dann lässt sich die Zufallsstichprobe
des einfaktoriellen
Varianzanalyse-Modells ebenfalls in der Form
darstellen, wobei die Designmatrix
jetzt allerdings gegeben ist durch die
Matrix
(13)
und der Parametervektor
ist gegeben durch
.
Beachte
Die lineare Nebenbedingung (12) an die Komponenten
des Parametervektors
bewirkt, dass die Darstellung (11) -
(12) der Erwartungswerte
eindeutig ist.
für jedes
, d.h., durch
und
sind
erwartungstreue Schätzer für die Modellparameter bzw.
gegeben .
Beweis
Aus der Definitionsgleichung von
ergibt sich, dass
wobei sich die letzte Gleichheit aus der
Reparametrisierungsbedingung (12) ergibt. Die
zweite Teilaussage in (14) lässt sich auf analoge
Weise beweisen.