Next: Tabellen für Verteilungsfunktionen und
Up: Tests statistischer Hypothesen
Previous: Asymptotische Parametertests
  Contents
-Anpassungstest; Monte-Carlo-Simulation
In diesem Abschnitt setzen wir nicht voraus, daß die Familie
der insgesamt in Betracht gezogenen Verteilungsfunktionen
der Stichprobenvariablen
eine parametrische Familie von
Verteilungsfunktionen ist.
Wir vereinfachen deshalb die ursprüngliche Fragestellung
(90) auf die folgende Weise.
- Lemma 5.30
Der in (91) definierte
Zufallsvektor
ist multinomialverteilt mit
den Parametern
und
, d.h., für beliebige
Zahlen
mit
gilt
 |
(92) |
wobei
für jedes
.
- Beweis
Weil die Stichprobenvariablen
unabhängig und identisch verteilt sind (mit der
Verteilungsfunktion
), gilt
für jede Folge von Intervallen
. Hieraus ergibt sich
(92) durch Permutation der Stichprobenvariablen.
- Beachte
-
Anstelle die ursprüngliche Fragestellung (90) zu
untersuchen, testen wir nun
- Beachte
-
- Als der ,,Entdecker'' des Grenzwertsatzes (94) gilt der
britische Statistiker Karl Pearson (1857-1936).
- Der asymptotische Test (95), der auf dem Grenzwertsatz
(94) beruht, heißt
-Anpassungstest.
Wie das folgende Beispiel zeigt, kann der
-Anpassungstest
zur Überprüfung der Güte von Zufallszahlengeneratoren bei der
Monte-Carlo-Simulation verwendet werden.
- Beispiel
Test auf Gleichverteilung
Für
,
und
wollen wir nun prüfen,
ob
- die Hypothese der Gleichverteilung mit einer (konkreten)
Stichprobe
von Pseudozufallszahlen
vereinbar ist, für die sich der folgende Vektor der
Klassenhäufigkeiten
ergibt:
- In diesem Fall ist
,
und es gilt somit
wobei das Quantil
aus Tabelle 2
entnommen wurde.
- Die Hypothese der Gleichverteilung wird also nicht verworfen.
Bei der Überprüfung der Güte von Zufallszahlengeneratoren sind
nicht nur Tests auf Gleichverteilung von Interesse. Ein weiteres
Gütekriterium besteht darin, ob die von einem
Zufallszahlengenerator erzeugten Pseudozufallszahlen
als Realisierungen unabhängiger
Zufallsvariablen
angesehen werden können.
Der folgende Test auf Unabhängigkeit führt erneut zur Konstruktion
eines
-Anpassungstests.
- Beispiel
Test auf Unabhängigkeit (Run-Test)
- Wir wollen nun prüfen, ob die Pseudozufallszahlen
als Realisierungen von unabhängigen Zufallsvariablen
angesehen werden können, die gleichverteilt im
Intervall
sind.
- Hierfür definieren wir die Zufallsvariablen
rekursiv durch
 |
(96) |
wobei
.
- Die Zufallsvariablen
mit
 |
(97) |
werden dann die Runs der Folge
genannt.
- Man kann zeigen, daß die in (97) eingeführten
Zufallsvariablen
unabhängig und identisch
verteilt sind mit
 |
(98) |
falls die Zufallsvariablen
unabhängig und
(identisch) gleichverteilt im Intervall
sind.
- Es mögen nun hinreichend viele Pseudozufallszahlen
erzeugt werden, so daß sich aus ihnen gemäß (96) und
(97) die
Runs
ergeben.
- Wir zerlegen die positive Halbachse in
Intervalle
, so daß
- die Wahrscheinlichkeiten
annähernd gleich sind, und
- für diese Wahrscheinlichkeiten betrachten wir den
-dimensionalen (hypothetischen) Vektor
bzw.
- die Testgröße
mit
wobei
die Anzahl derjenigen Runlängen
bezeichnet,
die in der
-ten Klasse liegen.
- Bei großem
, was die Erzeugung entsprechend vieler
Pseudozufallszahlen
erfordert, wird die Hypothese
abgelehnt, falls
.
Next: Tabellen für Verteilungsfunktionen und
Up: Tests statistischer Hypothesen
Previous: Asymptotische Parametertests
  Contents
Roland Maier
2001-08-20