Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Die Grenzen des linearen Modells 2-15<br />
Der Test auf eine Nullhypothese lässt sich übrigens auch verwenden, wenn wir<br />
testen wollen, ob ar einen bestimmten, festen Erwartungswert s hat. Dazu definieren<br />
wir uns einfach eine Variable r a% = (ar – s), für die wieder die Nullhypothese<br />
gelten muss. Ist die Nullhypothese für r a% erfüllt, so bedeutet dies, dass ar den<br />
Erwartungswert s ≠ 0 hat <strong>und</strong> damit nicht weggelassen werden kann.<br />
Wie funktioniert nun der Test? Wenn wir die Verteilungsdichte p( â r ) der beobachteten<br />
Werte r â für ar erfassen, so erhalten wir eine Verteilung mit der beobachteten<br />
Varianz σr 2 . Die Werte von â r sollten dabei nicht signifikant („zu<br />
stark“) von null abweichen. Was bedeutet „zu stark“ konkret? Nehmen wir an,<br />
dass es sich um eine Normalverteilung handelt, so sollten die beobachteten â r mit<br />
einer Wahrscheinlichkeit 1 – α kleiner als der Wert pα sein, z.B. 1 – α = 95%,<br />
siehe Abb. 2.6. Dies entspricht dem Integral (Fläche unter der Kurve) der Dichte<br />
von –∞ bis pα. Ist dagegen die relative Anzahl der überschreitenden Werte größer<br />
als α, so lässt sich die Nullhypothese nicht aufrecht erhalten <strong>und</strong> wird abgelehnt.<br />
α<br />
p(âr)<br />
-pα<br />
0 pα<br />
Abb. 2.6 Rechts- <strong>und</strong> linksseitiger Hypothesentest<br />
Wir sprechen in diesem Fall von einem rechtsseitigen Hypothesentest <strong>und</strong> akzeptieren<br />
die Nullhypothese, wenn<br />
Prob( r â > pα) < α z.B. α = 5% ⇒ pα = 1,645 (2.40)<br />
gegeben ist. Möchten wir sichergehen, dass die beobachteten Werte auf beiden<br />
Seiten nicht zu stark abweichen, also im nicht schraffierten Bereich der Dichte in<br />
Abb. 2.6 bleiben, so fordern wir zusätzlich noch den linksseitigen Hypothesentest:<br />
Prob( r â < –pα) < α (2.41)<br />
Die Kombination beider Tests wird als beidseitiger Hypothesentest bezeichnet.<br />
Die Nullhypothese wird in diesem Fall akzeptiert, wenn<br />
Prob(| r â | > pα) < α z.B. α = 5% ⇒ pα = 1,96 (2.42)<br />
gilt. Die praktische Durchführung des Tests verwendet für die Bestimmung der pα<br />
bei gegebenem α die in Tafeln erfassten Werte der Normalverteilung, also des<br />
Integrals der Gauß-Funktion, genannt „Gaußsche Fehlerfunktion Φ“. Dabei wird<br />
eine auf eins normierte Varianz σ 2 der Parameter vorausgesetzt. Für den praktischen<br />
Test müssen wir also den aus den Messwerten errechneten Parameterwert<br />
α<br />
âr