Next: -Anpassungstest von Pearson
Up: skript
Previous: Dreifaktorielle Varianzanalyse
  Contents
Tests von Verteilungsannahmen
- Die Zufallsstichprobe
sei gegeben
durch das lineare Modell
, wobei die
Designmatrix
eine beliebige
Matrix ist mit
und vollem Spaltenrang
.
- So wie bisher sei
ein
(unbekannter) Parametervektor, und
sei ein Vektor von zufälligen
Störgrößen
, die unabhängig und
identisch verteilt seien.
- In mehreren Abschnitten der Kapitel 2 -
4 hatten wir zusätzlich angenommen, daß die
Störgrößen
normalverteilt sind, d.h.,
 |
(1) |
wobei
ein weiterer Modellparameter ist.
- Wenn wir unsicher sind, ob (1) gilt, dann können
wir diese zusätzliche Modellannahme wie folgt durch die
Beobachtung der Zufallsstichprobe
verifizieren.
- Zur Erinnerung: Aus (1) und aus
Theorem 3.9 folgt, daß die Verteilung des Vektors
der Stichprobenvariablen bzw. des
MKQ-Schätzers
gegeben
ist durch

und
- Hieraus ergibt sich, daß
, weil die
Matrix
gemäß
Lemma 4.7 idempotent und symmetrisch ist mit
.
- Ähnlich wie im Beweis von Lemma 3.9 kann man zeigen,
daß
 |
(2) |
wobei
eine
Matrix mit orthogonalen Spaltenvektoren ist, so
daß
orthonormale Eigenvektoren sind,
die zu den positiven Eigenwerten
von
gehören, und
orthonormale Eigenvektoren sind, die zu dem Eigenwert 0 gehören.
- Dann gilt
 |
(3) |
- Mit anderen Worten: Aus (3) folgt, daß die ersten
Komponenten des Vektors
unabhängig und
N
-verteilt sind.
- Falls
bekannt ist, dann können wir das Vorliegen der
N
-Verteilung beispielsweise mit dem in
Abschnitt 5.1 diskutierten
-Anpassungstests
verifizieren. Falls
unbekannt ist, dann kann das
Vorliegen einer Normalverteilung mit einem modifizierten
-Anpassungstest verifiziert werden, der in
Abschnitt 5.2 diskutiert wird.
Subsections
Next: -Anpassungstest von Pearson
Up: skript
Previous: Dreifaktorielle Varianzanalyse
  Contents
Ursa Pantle
2003-03-10