Nächste Seite: Konfidenzbereiche
Aufwärts: Normalverteilte Störgrößen
Vorherige Seite: Maximum-Likelihood-Schätzer
  Inhalt
Tests linearer Hypothesen
In diesem Abschnitt diskutieren wir eine verallgemeinerte Version
des Tests für Linearformen von
, den wir in
Abschnitt 2.2.3 für den Fall von Designmatrizen
mit vollem Spaltenrang betrachtet hatten, vgl.
Theorem 2.11. Jetzt nehmen wir dagegen an, dass
.
- Definition
Die Hypothese
heißt testbar, wenn
sämtliche Komponenten
des Vektors
schätzbare Funktionen des Parametervektors
sind.
- Beachte
Aus Theorem 3.9 folgt, dass die Hypothese
genau dann testbar ist, wenn
- es eine
Matrix
gibt, so dass
 |
(69) |
bzw.
- die Matrix
der folgenden Gleichung genügt:
 |
(70) |
Bei der Konstruktion einer Testgröße zur Verifizierung der in
(68) betrachteten Nullhypothese
ist der folgende Hilfssatz nützlich.
Lemma 3.9
- Sei
, sei
eine
Matrix mit vollem Rang
, die der Gleichung
bzw.
genügt, und sei
eine
beliebige verallgemeinerte Inverse von
.
- Dann ist die
Matrix
positiv definit (und damit
invertierbar).
- Beweis
-
- Beachte
-
Theorem 3.15

Die Hypothese

sei testbar. Unter

gilt dann

,
d.h., die in

gegebene Testgröße

ist F-verteilt mit

Freiheitsgraden.
- Beweis
-
- Beachte
-
- Die Wahl der Testgröße
in (71) kann
wie folgt motiviert werden: Ähnlich wie im Beweis von
Theorem 3.15 ergibt sich aus
Theorem 1.9, dass die quadratische Form
mit
im allgemeinen (d.h., ohne die Gültigkeit von
vorauszusetzen) eine nichtzentrale
-Verteilung
hat mit
- Hieraus folgt, dass
wobei sich die letzte Gleichheit aus der Formel für die
momenterzeugende Funktion der
-Verteilung
ergibt, die im Beweis von Theorem 1.8 hergeleitet
wurde.
- Andererseits ergibt sich aus Lemma 1.8 und
Lemma 3.9, dass die inverse Matrix
positiv
definit ist und dass somit
wenn die Hypothese
falsch ist. Aus
(72) folgt dann in diesem Fall, dass
 |
(73) |
- Allgemein gilt (wegen der Unabhängigkeit von
und
), dass
,
und aus der Jensen-Ungleichung folgt, dass
.
- Aus (73) ergibt sich somit, dass
wenn
falsch ist.
- Es liegt deshalb nahe, die Nullhypothese
abzulehnen, wenn die Testgröße
Werte annimmt, die signifikant größer als
sind.
- Wegen der in Theorem 3.15 hergeleiteten
Verteilungseigenschaft der Testgröße
wird somit
abgelehnt, wenn
.
In manchen Fällen ist es zweckmäßiger, eine alternative
Darstellung der in (71) gegebenen Testgröße
zu betrachten. Hierfür definieren wir die folgenden
beiden Summen von quadratischen Abweichungen
bzw.
(Sums of Squared Errors) mit
 |
(74) |
und
 |
(75) |
- Beweis
-
- Es gilt
weil sich aus den Teilaussagen 1 und 2 von Lemma 3.8
ergibt, dass
- Aus (69), d.h.
, und aus
Lemma 3.7 ergibt sich somit, dass
- Beachte
-
- Aus der Definitionsgleichung (75) von
ergibt sich, dass
d.h., der in (75) gegebene Zufallsvektor
nimmt nur Werte in dem eingeschränkten
Parameterraum
an.
- Außerdem kann man leicht zeigen, dass
den
mittleren quadratischen Fehler
für alle
minimiert, wobei
Nächste Seite: Konfidenzbereiche
Aufwärts: Normalverteilte Störgrößen
Vorherige Seite: Maximum-Likelihood-Schätzer
  Inhalt
Hendrik Schmidt
2006-02-27