7 Tests f¨ur Mittelwert und Varianz Gauß-Test f¨ur den Mittelwert 7.1
Zusammenfassung: Gauß-Test f¨ur den Mittelwert
bei bekannter Varianz
Anwendungs- exakt:Y∼N(µ, σ2) mitµ∈Runbekannt,σ2bekannt voraussetzungen approximativ:E(Y) =µ∈Runbekannt, Var(Y) =σ2bekannt
X1, . . . ,Xneinfache Stichprobe zuY
Nullhypothese H0:µ=µ0 H0:µ≤µ0 H0:µ≥µ0
Gegenhypothese H1:µ6=µ0 H1:µ > µ0 H1:µ < µ0
Teststatistik N=X−µ0
σ
√n
Verteilung (H0) Nf¨urµ=µ0(n¨aherungsweise)N(0,1)-verteilt Ben¨otigte Gr¨oßen X=1
n Xn i=1
Xi
Kritischer Bereich (−∞,−N1−α2) (N1−α,∞) (−∞,−N1−α) zum Niveauα ∪(N1−α2,∞)
p-Wert 2·(1−Φ(|N|)) 1−Φ(N) Φ(N)
Schließende Statistik (WS 2020/21) Folie 133
7 Tests f¨ur Mittelwert und Varianz Gauß-Test f¨ur Anteilswertp7.2
Zusammenfassung: (Approx.) Gauß-Test f¨ur Anteilswert p
Anwendungs- approximativ:Y∼B(1,p) mitp∈[0,1] unbekannt voraussetzungen X1, . . . ,Xneinfache Stichprobe zuY
Nullhypothese H0:p=p0 H0:p≤p0 H0:p≥p0
Gegenhypothese H1:p6=p0 H1:p>p0 H1:p<p0
Teststatistik N= bp−p0
pp0·(1−p0)
√n
Verteilung (H0) Nf¨urp=p0n¨aherungsweiseN(0,1)-verteilt Ben¨otigte Gr¨oßen bp=1
n Xn
i=1
Xi
Kritischer Bereich (−∞,−N1−α2) (N1−α,∞) (−∞,−N1−α) zum Niveauα ∪(N1−α2,∞)
p-Wert 2·(1−Φ(|N|)) 1−Φ(N) Φ(N)
Schließende Statistik (WS 2020/21) Folie 135
7 Tests f¨ur Mittelwert und Varianz t-Test f¨ur den Mittelwert 7.3
Zusammenfassung: t-Test f¨ur den Mittelwert
bei unbekannter Varianz
Anwendungs- exakt:Y∼N(µ, σ2) mitµ∈R, σ2∈R++unbekannt voraussetzungen approximativ:E(Y) =µ∈R,Var(Y) =σ2∈R++unbekannt
X1, . . . ,Xneinfache Stichprobe zuY
Nullhypothese H0:µ=µ0 H0:µ≤µ0 H0:µ≥µ0
Gegenhypothese H1:µ6=µ0 H1:µ > µ0 H1:µ < µ0
Teststatistik t=X−µ0
S
√n
Verteilung (H0) tf¨urµ=µ0(n¨aherungsweise)t(n−1)-verteilt Ben¨otigte Gr¨oßen X=1
n Xn
i=1
Xi
S= vu ut 1
n−1 Xn i=1
(Xi−X)2= vu ut 1
n−1 Xn
i=1
Xi2−nX2
!
Kritischer Bereich (−∞,−tn−1;1−α2) (tn−1;1−α,∞) (−∞,−tn−1;1−α) zum Niveauα ∪(tn−1;1−α2,∞)
p-Wert 2·(1−Ft(n−1)(|t|)) 1−Ft(n−1)(t) Ft(n−1)(t)
Schließende Statistik (WS 2020/21) Folie 139
7 Tests f¨ur Mittelwert und Varianz Chi-Quadrat-Test f¨ur die Varianz 7.4
Zusammenfassung: χ
2-Test f¨ur die Varianz
einer normalverteilten Zufallsvariablen mitbekanntemErwartungswert
Anwendungs- exakt:Y∼N(µ, σ2),µ∈Rbekannt,σ2∈R++unbekannt voraussetzungen X1, . . . ,Xneinfache Stichprobe zuY
Nullhypothese H0:σ2=σ20 H0:σ2≤σ02 H0:σ2≥σ20
Gegenhypothese H1:σ26=σ20 H1:σ2> σ02 H1:σ2< σ20
Teststatistik χ2=n·eS2
σ20 Verteilung (H0) χ2(f¨urσ2=σ20) χ2(n)-verteilt Ben¨otigte Gr¨oßen eS2=1
n Xn
i=1
(Xi−µ)2
Kritischer Bereich [0, χ2n;α2) (χ2n;1−α,∞) [0, χ2n;α) zum Niveauα ∪(χ2n;1−α2,∞)
p-Wert 2·min
Fχ2(n)(χ2), 1−Fχ2(n)(χ2) Fχ2(n)(χ2) 1−Fχ2(n)(χ2)
Schließende Statistik (WS 2020/21) Folie 148
7 Tests f¨ur Mittelwert und Varianz Chi-Quadrat-Test f¨ur die Varianz 7.4
Zusammenfassung: χ
2-Test f¨ur die Varianz
einer normalverteilten Zufallsvariablen mitunbekanntemErwartungswert
Anwendungs- exakt:Y∼N(µ, σ2),µ∈Runbekannt,σ2∈R++unbekannt voraussetzungen X1, . . . ,Xneinfache Stichprobe zuY
Nullhypothese H0:σ2=σ20 H0:σ2≤σ20 H0:σ2≥σ20
Gegenhypothese H1:σ26=σ20 H1:σ2> σ20 H1:σ2< σ20
Teststatistik χ2=(n−1)S2
σ20
Verteilung (H0) χ2(f¨urσ2=σ20) χ2(n−1)-verteilt Ben¨otigte Gr¨oßen S2= 1
n−1 Xn
i=1
(Xi−X)2= 1 n−1
Xn i=1
Xi2−nX2
!
mitX=1 n
Xn i=1
Xi
Kritischer Bereich [0, χ2n−1;α2) (χ2n−1;1−α,∞) [0, χ2n−1;α) zum Niveauα ∪(χ2n−1;1−α2,∞)
p-Wert 2·min
Fχ2(n−1)(χ2), 1−Fχ2(n−1)(χ2) Fχ2(n−1)(χ2) 1−Fχ2(n−1)(χ2)
Schließende Statistik (WS 2020/21) Folie 151
8 Anpassungs- und Unabh¨angigkeitstests Chi-Quadrat-Anpassungstest 8.1
Zusammenfassung: Chi-Quadrat-Anpassungstest
zur Anpassung aneinevorgegebene Verteilung
Anwendungs- approximativ:Ybeliebig verteilt voraussetzungen X1, . . . ,Xneinfache Stichprobe zuY
k−1 Klassengrenzena1<a2< . . . <ak−1vorgegeben
Nullhypothese H0:FY=F0
Gegenhypothese H1:FY6=F0
Teststatistik χ2= Xk
i=1
(ni−np0i)2 np0i =n
Xk i=1
ni n−pi02
p0i = 1 n
Xk i=1
n2i p0i
!
−n Verteilung (H0) χ2ist n¨aherungsweiseχ2(k−1)-verteilt, fallsFY=F0
(N¨aherung nur vern¨unftig, fallsnp0i≥5 f¨uri∈ {1, . . . ,k}) Ben¨otigte Gr¨oßen p0i=F0(ai)−F0(ai−1) mita0:=−∞,ak:=∞,
ni= #{j∈ {1, . . . ,n} |xj∈(ai−1,ai]},i∈ {1, . . . ,k}
Kritischer Bereich (χ2k−1;1−α,∞)
zum Niveauα
p-Wert 1−Fχ2(k−1)(χ2)
Schließende Statistik (WS 2020/21) Folie 158
8 Anpassungs- und Unabh¨angigkeitstests Chi-Quadrat-Anpassungstest 8.1
Zusammenfassung: Chi-Quadrat-Anpassungstest
zur Anpassung an parametrische Verteilungsfamilie
Anwendungs- approx.:Ybeliebig verteilt,X1, . . . ,Xneinf. Stichprobe zuY voraussetzungen Familie von VerteilungsfunktionenFθf¨urθ∈Θ vorgegeben
k−1 Klassengrenzena1<a2< . . . <ak−1vorgegeben Nullhypothese H0:FY=Fθf¨ur einθ∈Θ Gegenhypothese H1:FY6=Fθ(f¨ur alleθ∈Θ) Teststatistik χ2=
Xk i=1
(ni−npi0)2 npi0 =n
Xk i=1
ni n−p0i
2
pi0 = 1 n
Xk i=1
n2i p0i
!
−n Verteilung (H0) χ2ist unterH0n¨aherungsweiseχ2(k−r−1)-verteilt,
wennbθML-Sch¨atzer desr-dim. Verteilungsparametersθauf Basis klassierter Daten ist (Verwendung vonbθsiehe unten).
(N¨aherung nur vern¨unftig, fallsnp0i≥5 f¨uri∈ {1, . . . ,k}) Ben¨otigte Gr¨oßen pi0=Fbθ(ak)−Fθb(ak−1) mita0:=−∞,ak:=∞,
ni= #{j∈ {1, . . . ,n} |xj∈(ai−1,ai]},i∈ {1, . . . ,k}
Kritischer Bereich (χ2k−r−1;1−α,∞) zum Niveauα
p-Wert 1−Fχ2(k−r−1)(χ2)
Schließende Statistik (WS 2020/21) Folie 169
8 Anpassungs- und Unabh¨angigkeitstests Chi-Quadrat-Unabh¨angigkeitstest 8.2
Zusammenfassung: Chi-Quadrat-Unabh¨angigkeitstest
Anwendungs- approximativ: (YA,YB) beliebig verteilt
voraussetzungen (X1A,X1B), . . . ,(XnA,XnB) einfache Stichprobe zu (YA,YB) Auspr¨agungen{a1, . . . ,ak}vonYA,{b1, . . . ,bl}vonYBoder Klassengrenzena1< . . . <ak−1zuYA,b1< . . . <bl−1zuYB Nullhypothese H0:YA,YBstochastisch unabh¨angig
Gegenhypothese H1:YA,YBnicht stochastisch unabh¨angig
Teststatistik χ2=
Xk i=1
Xl j=1
(nij−enij)2 e nij =
Xk i=1
Xl j=1
n2ij
e nij
−n Verteilung (H0) χ2ist n¨aherungsweiseχ2((k−1)·(l−1))-verteilt, fallsH0gilt
(N¨aherung nur vern¨unftig, fallsenij≥5 f¨ur allei,j) Ben¨otigte Gr¨oßen nij= #{m∈ {1, . . . ,n} |(xm,ym)∈Ai×Bj}f¨ur allei,jmit
Ai={ai},Bj={bj}bzw. KlassenAi,Bjnach vorg. Grenzen, e
nij=ni·n·n·jmitni·=Pl
j=1nij,n·j=Pk i=1nij, Kritischer Bereich (χ2(k−1)·(l−1);1−α,∞) zum Niveauα
p-Wert 1−Fχ2((k−1)·(l−1))(χ2)
Schließende Statistik (WS 2020/21) Folie 178
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei verbundenen Stichproben 9.1
Zusammenfassung: t-Differenzentest
Anwendungs- exakt: (YA,YB) gemeinsam (zweidimensional) normalverteilt, voraussetzungen E(YA) =µA,E(YB) =µBsowie Varianzen/Kovarianz unbekannt
approx.: E(YA) =µA,E(YB) =µB,Var(YA),Var(YB) unbek.
(X1A,X1B), . . . ,(XnA,XnB) einfache Stichprobe zu (YA,YB) Nullhypothese H0:µA=µB H0:µA≤µB H0:µA≥µB
Gegenhypothese H1:µA6=µB H1:µA> µB H1:µA< µB
Teststatistik t=X
S
√n
Verteilung (H0) tf¨urµA=µB(n¨aherungsweise)t(n−1)-verteilt Ben¨otigte Gr¨oßen Xi=XiA−XiBf¨uri∈ {1, . . . ,n}, X=1
n Xn
i=1
Xi
S= vu ut 1
n−1 Xn
i=1
(Xi−X)2= vu ut 1
n−1 Xn
i=1
Xi2−nX2
!
Kritischer Bereich (−∞,−tn−1;1−α2) (tn−1;1−α,∞) (−∞,−tn−1;1−α) zum Niveauα ∪(tn−1;1−α2,∞)
p-Wert 2·(1−Ft(n−1)(|t|)) 1−Ft(n−1)(t) Ft(n−1)(t)
Schließende Statistik (WS 2020/21) Folie 184
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei zwei unabh¨angigen Stichproben 9.2
Zusammenfassung: 2-Stichproben-Gauß-Test
bei bekannten Varianzen
Anwendungs- exakt:YA∼N(µA, σ2A),YB∼N(µB, σ2B), σ2A, σ2Bbekannt voraussetzungen X1A, . . . ,XnAAeinfache Stichprobe zuYA, unabh¨angig von
einfacher StichprobeX1B, . . . ,XnBBzuYB.
Nullhypothese H0:µA=µB H0:µA≤µB H0:µA≥µB
Gegenhypothese H1:µA6=µB H1:µA> µB H1:µA< µB
Teststatistik N= XA−XB
qσ2A nA+σnBB2 Verteilung (H0) Nf¨urµA=µBN(0,1)-verteilt Ben¨otigte Gr¨oßen XA=n1APnA
i=1XiA, XB=n1BPnB i=1XiB
Kritischer Bereich (−∞,−N1−α2) (N1−α,∞) (−∞,−N1−α) zum Niveauα ∪(N1−α2,∞)
p-Wert 2·(1−Φ(|N|)) 1−Φ(N) Φ(N)
Schließende Statistik (WS 2020/21) Folie 188
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei zwei unabh¨angigen Stichproben 9.2
Zusammenfassung: 2-Stichproben-t -Test
bei unbekannten, aber ¨ubereinstimmenden Varianzen
Anwendungs- exakt:YA∼N(µA, σ2A),YB∼N(µB, σB2), µA, µB, σA2=σB2unbek.
voraussetzungen approx.: E(YA) =µA,E(YB) =µB,Var(YA) = Var(YB) unbekannt X1A, . . . ,XnAAeinfache Stichprobe zuYA, unabh¨angig von einfacher StichprobeX1B, . . . ,XnBBzuYB.
Nullhypothese H0:µA=µB H0:µA≤µB H0:µA≥µB
Gegenhypothese H1:µA6=µB H1:µA> µB H1:µA< µB
Teststatistik t= XA−XB
qS2 nA+nSB2
=XA−XB S
rnA·nB
nA+nB
Verteilung (H0) tf¨urµA=µB(n¨aherungsweise)t(nA+nB−2)-verteilt Ben¨otigte Gr¨oßen XA=n1APnA
i=1XiA, XB=n1BPnB i=1XiB, S=
r
(nA−1)S2Y A+(nB−1)S2Y B nA+nB−2 =
rPnA
i=1(XiA−XA)2+PnB i=1(XiB−XB)2 nA+nB−2
Kritischer Bereich (−∞,−tnA+nB−2;1−α2) (tnA+nB−2;1−α,∞) (−∞,−tnA+nB−2;1−α) zum Niveauα ∪(tnA+nB−2;1−α2,∞)
p-Wert 2·(1−Ft(nA+nB−2)(|t|)) 1−Ft(nA+nB−2)(t) Ft(nA+nB−2)(t)
Schließende Statistik (WS 2020/21) Folie 190
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei zwei unabh¨angigen Stichproben 9.2
Zusammenfassung: 2-Stichproben-t -Test f¨ur Anteilswerte
Anwendungs- approx.:YA∼B(1,pA),YB∼B(1,pB),pA,pBunbekannt voraussetzungen X1A, . . . ,XnAAeinfache Stichprobe zuYA, unabh¨angig von
einfacher StichprobeX1B, . . . ,XnBBzuYB.
Nullhypothese H0:pA=pB H0:pA≤pB H0:pA≥pB
Gegenhypothese H1:pA6=pB H1:pA>pB H1:pA<pB
Teststatistik t=qbpA−bpB S2 nA+SnB2
=bpA−bpB
S
rnA·nB
nA+nB
Verteilung (H0) tf¨urpA=pBn¨aherungsweiset(nA+nB−2)-verteilt (N¨aherung ok, falls 5≤nAbpA≤nA−5 und 5≤nBbpB≤nB−5) Ben¨otigte Gr¨oßen bpA=n1APnA
i=1XiA, bpB=n1BPnB i=1XiB, S=q
nA·bpA·(1−bpA)+nB·bpB·(1−bpB) nA+nB−2
Kritischer Bereich (−∞,−tnA+nB−2;1−α2) (tnA+nB−2;1−α,∞) (−∞,−tnA+nB−2;1−α) zum Niveauα ∪(tnA+nB−2;1−α2,∞)
p-Wert 2·(1−Ft(nA+nB−2)(|t|)) 1−Ft(nA+nB−2)(t) Ft(nA+nB−2)(t)
Schließende Statistik (WS 2020/21) Folie 194
9 Mittelwert- und Varianzvergleiche Varianzvergleiche bei zwei unabh¨angigen Stichproben 9.3
Zusammenfassung: F -Test zum Vergleich der Varianzen
zweier normalverteilter Zufallsvariablen
Anwendungs- exakt:YA∼N(µA, σ2A),YB∼N(µB, σB2), µA, µB, σA2, σ2Bunbek.
voraussetzungen X1A, . . . ,XnAAeinfache Stichprobe zuYA, unabh¨angig von einfacher StichprobeX1B, . . . ,XnBBzuYB.
Nullhypothese H0:σ2A=σB2 H0:σ2A≤σ2B H0:σA2≥σ2B
Gegenhypothese H1:σ2A6=σB2 H1:σ2A> σ2B H1:σA2< σ2B
Teststatistik F=SY2A
SY2B
Verteilung (H0) FunterH0f¨urσ2A=σ2BF(nA−1,nB−1)-verteilt Ben¨otigte Gr¨oßen XA=n1APnA
i=1XiA, XB=n1BPnB i=1XiB, SY2A=nA1−1PnA
i=1(XiA−XA)2=nA1−1 PnA i=1(XiA)2
−nAXA2 SY2B=nB1−1PnB
i=1(XiB−XB)2=nB1−1 PnB i=1(XiB)2
−nBXB2
Kritischer Bereich [0,FnA−1,nB−1;α2) (FnA−1,nB−1;1−α,∞) [0,FnA−1,nB−1;α) zum Niveauα ∪(FnA−1,nB−1;1−α2,∞)
p-Wert 2·min
FF(nA−1,nB−1)(F), 1−FF(nA−1,nB−1)(F) FF(nA−1,nB−1)(F) 1−FF(nA−1,nB−1)(F)
Schließende Statistik (WS 2020/21) Folie 204
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche beik>2 unabh¨angigen Stichproben 9.4
Zusammenfassung: Einfache Varianzanalyse
Anwendungs- exakt:Yj∼N(µj, σ2) f¨urj∈ {1, . . . ,k}
voraussetzungen approximativ:Yjbeliebig verteilt mit E(Yj) =µj, Var(Yj) =σ2 kunabh¨angige einfache StichprobenXj,1, . . . ,Xj,njvom Umfang njzuYjf¨urj∈ {1, . . . ,k},n=Pk
j=1nj
Nullhypothese H0:µ1=µjf¨ur allej∈ {2, . . . ,k}
Gegenhypothese H1:µ16=µjf¨ur (mindestens) einj∈ {2, . . . ,k}
Teststatistik F= SB/(k−1)
SW/(n−k)
Verteilung (H0) Fist (approx.)F(k−1,n−k)-verteilt, fallsµ1=. . .=µk
Ben¨otigte Gr¨oßen xj= 1 nj
nj
X
i=1
xj,if¨urj∈ {1, . . . ,k},x=1 n
Xk j=1
nj·xj,
SB= Xk
j=1
nj·(xj−x)2,SW= Xk j=1 nj
X
i=1
(xj,i−xj)2
Kritischer Bereich (Fk−1,n−k;1−α,∞)
zum Niveauα
p-Wert 1−FF(k−1,n−k)(F)
Schließende Statistik (WS 2020/21) Folie 211
10 Lineare Regression Konfidenzintervalle und Tests 10.4
Zusammenfassung: t-Test f¨ur den Parameter β
1im einfachen linearen Regressionsmodell mit Normalverteilungsannahme
Anwendungs- exakt:yi=β1+β2·xi+uimituiiid
∼N(0, σ2) f¨uri∈ {1, . . . ,n}, voraussetzungen σ2unbekannt,x1, . . . ,xndeterministisch und bekannt,
Realisationy1, . . . ,ynbeobachtet
Nullhypothese H0:β1=β10 H0:β1≤β10 H0:β1≥β10
Gegenhypothese H1:β16=β10 H1:β1> β10 H1:β1< β10
Teststatistik t=βb1−β01
b σβb1 Verteilung (H0) tf¨urβ1=β01t(n−2)-verteilt Ben¨otigte Gr¨oßen βb2=sX,Y
sX2 ,βb1=y−βb2·x,σbβb1= s
(s2Y−βb2·sX,Y)·x2 (n−2)·sX2
Kritischer Bereich (−∞,−tn−2;1−α2) (tn−2;1−α,∞) (−∞,−tn−2;1−α) zum Niveauα ∪(tn−2;1−α2,∞)
p-Wert 2·(1−Ft(n−2)(|t|)) 1−Ft(n−2)(t) Ft(n−2)(t)
Schließende Statistik (WS 2020/21) Folie 247
10 Lineare Regression Konfidenzintervalle und Tests 10.4
Zusammenfassung: t-Test f¨ur den Parameter β
2im einfachen linearen Regressionsmodell mit Normalverteilungsannahme
Anwendungs- exakt:yi=β1+β2·xi+uimituiiid
∼N(0, σ2) f¨uri∈ {1, . . . ,n}, voraussetzungen σ2unbekannt,x1, . . . ,xndeterministisch und bekannt,
Realisationy1, . . . ,ynbeobachtet
Nullhypothese H0:β2=β02 H0:β2≤β02 H0:β2≥β02
Gegenhypothese H1:β26=β02 H1:β2> β02 H1:β2< β02
Teststatistik t=βb2−β20
b σβb2 Verteilung (H0) tf¨urβ2=β02t(n−2)-verteilt Ben¨otigte Gr¨oßen βb2=sX,Y
sX2 ,bσβb2= s
sY2−βb2·sX,Y
(n−2)·sX2
Kritischer Bereich (−∞,−tn−2;1−α2) (tn−2;1−α,∞) (−∞,−tn−2;1−α) zum Niveauα ∪(tn−2;1−α2,∞)
p-Wert 2·(1−Ft(n−2)(|t|)) 1−Ft(n−2)(t) Ft(n−2)(t)
Schließende Statistik (WS 2020/21) Folie 248