Psychologische Diagnostik - Universität Regensburg
Psychologische Diagnostik - Universität Regensburg
Psychologische Diagnostik - Universität Regensburg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Mx = (X | f) o f ist eine zusammengesetzte<br />
Abbildung, wobei X und f über dem<br />
gleichen Wahrscheinlichkeitsraum definiert<br />
sind. Nur auf die B bedingt, macht<br />
Mx aus der Zufallsgröße X eine neue Zufallsgröße<br />
Mx, im Raum aus einem Vektor<br />
einen neuen. Man spricht deshalb von einem<br />
Operator Mx.<br />
Mx ein linearer Operator<br />
Kovarianzen<br />
cov(Mx,Y) = cov(X,My) = cov(Mx,My),<br />
weil (MxY) = (Mxy) = (MxMy)<br />
= (MxMy ) = (XMy). Weiterhin gilt<br />
cov(Mx,Y) = (MxY) - ( (Mx)) (Y) =<br />
(MxMy) - ((Mx))((My)) =<br />
cov(Mx,My).<br />
Es gilt Mx+y(ω) = ( X + Y | γ(ω))<br />
= ( X | γ(ω)) + ( Y | γ(ω))<br />
= Mx(ω) + My(ω), für jedes<br />
ω Ω<br />
und deshalb Additivität<br />
Mx+y = Mx + My,<br />
außerdem Homogenität<br />
Mαx = α Mx, für alle α .<br />
Reliabilität als True-Score Anteil<br />
Satz 1: ² (X, Mx) = var(Mx) / var(X).<br />
Beweis: Einsetzen von<br />
cov(Mx,X) = cov(Mx,Mx) = var(Mx)<br />
in die Definition von<br />
² := cov(X, Mx)²/ (var(X)var(Mx)). <br />
Sonderfall: Konstanten<br />
Sei Y eine auf jeder Äquivalenzklasse von<br />
Ω konstante Zufallsgröße.<br />
Dann gilt wegen der Linearität<br />
Mxy(ω) = ( XY | (ω) )<br />
=(X| (ω) ) Y(ω)<br />
=Mx (ω) Y(ω), für jedes ω Ω<br />
und deshalb Mxy = Mx Y.<br />
Wegen ( Mx | Ω) = ( X | Ω)<br />
gilt ( Mx ) = (X). Außerdem<br />
Mx-x = Mx - ( Mx).<br />
Validität höchstens gleich Reliabilität<br />
Satz 2: (X, My) (X, Mx).<br />
Beweis: Wegen cov(Mx,My)² <br />
var(Mx)var(My),<br />
der Schwarzschen Ungleichung, und wegen<br />
cov(Mx,Y) = cov(X,My)<br />
nach Einsetzen unter Benutzung von Satz<br />
1.<br />
Bedingt unabhängige Zufallsgrößen<br />
X1 und X2 sind bedingt unabhängige Zufallsgrößen<br />
in Bezug auf f, wenn für alle<br />
(ω) B aus < Ω, , > die Zufallgrößen<br />
X1 | (ω) und X2 | (ω) unabhängig<br />
sind. Für sie ist die bedingte Erwartung