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.
ihres Produkts gleich dem Produkt ihrer<br />
bedingten Erwartungen:<br />
Satz: Mx1x2 = Mx1 Mx2,<br />
Beweis: Wegen<br />
Mx1x2 = (X1X2| (ω))<br />
= (X1 |(ω))( X2 |(ω))<br />
=Mx1(ω)Mx2(ω), für jedes ω Ω.<br />
Paralleltests<br />
Zufallsgrößen X1 und X2 sind bedingt auf<br />
f identisch verteilt, wenn für alle D Λdie<br />
Zufallsgrößen X1|D und X2|D identisch<br />
verteilt sind, d. h., die induzierten Wahrscheinlichkeitsverteilungen<br />
Px1|D und<br />
PX2|D sind gleich.<br />
Wenn dies für X1 und X2 der Fall ist, so<br />
gilt Mx1 = Mx2, aber nicht ohne weiteres<br />
die Umkehrung.<br />
Paralleltest-Korrelation als Reliabilität<br />
Satz 3: Seien X1 und X2 bedingt unabhängige,<br />
bedingt identisch verteilte Zufallsgrößen.<br />
Dann gilt<br />
ρ(X1,X2) = var(Mx1) / var (X1).<br />
Beweis:<br />
cov(X1,X2)=X1X2 - X1X2<br />
=Mx1x2 - Mx1 Mx2, wegen Mx =<br />
X,<br />
=Mx1,Mx2 - Mx1Mx2, wegen Mx1x2<br />
= Mx1Mx2,<br />
=cov(Mx1,Mx2) = var(Mx ) = var(Mx2),<br />
und Einsetzen in<br />
(X1,X2) = cov(X1,X2)/(X1X2)<br />
Def.: Zufallsgrößen X1 und X2 sind bezogen<br />
auf f bedingt unkorreliert, wenn für<br />
alle D Λ die Zufallsgrößen X1|D und<br />
X2|D unkorreliert sind, d. h.<br />
cov(X1|D,X2|D) = 0.<br />
Bedingt unabhängige Zufallsgrößen sind<br />
bedingt unkorreliert, aber i. a. nicht umgekehrt.<br />
X1 und X2 sind bedingt unkorreliert,<br />
gdw. Mx1x2 = Mx1 Mx2.<br />
Testverlängerung durch parallele<br />
Teile<br />
Satz 4: Seien X1, X2, ...Xn bedingt unabhängige,<br />
bedingt identisch verteilte Zufallsgrößen<br />
und Sn = X1 + X2 + ... + Xn.<br />
Es gilt<br />
ρ²(Sn,Msn)<br />
= n ρ²(X1,Mx) /[1 +(n-1) ²(X1,Mx1)].<br />
Beweis: Da X1, X2, ...Xn bedingt unabhängig<br />
und bedingt identisch verteilt sind,<br />
gilt cov(Xi,Xj)=cov(Mxi,Mxj)=var(Mx1)<br />
für i,j=1,2,...,n. Außerdem gilt,<br />
wie im Beweis von Satz 3 Var(Sn)=<br />
Σvar(Xi)+cov(Xi,Xj)=n var(X1)+n (n-<br />
1)var(Mx1),<br />
und var((Msn)= n² var(Mx1). Wegen<br />
ρ²(Sn,Msn) = var(Msn/var(Sn) und<br />
ρ²(X1,Mx1)= var(Mx1)/varX1) nach Einsetzen<br />
gilt wegen ²(X,Mx) = var(Mx)/<br />
var(X) die Behauptung.<br />
Der Meßfehler<br />
Def: Das Komplement der bedingten Erwartung<br />
von X bezogen auf f ist eine Zufallsgröße<br />
(X – Mx) : Ω , gegeben durch<br />
(X - Mx)() =X() –Mx(), für jedes <br />
Ω.<br />
Bezeichnet man den Identitätsoperator mit<br />
1, so lässt sich 1 – M als der Operator auffassen,<br />
der aus der Zufallsgröße X die Zufallsgröße<br />
X – Mx macht. Mx-Mx =0 wegen<br />
MMx= Mx und