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.
algebra umkehrbar eindeutig auf die Aussagenlogik<br />
abbildbar ist, lassen sich die<br />
Verknüpfungen und auch als „und“<br />
bzw. „oder“ lesen. Besteht also die Ergebnismenge<br />
Ω aus den Antwortmustern, dann<br />
lässt sich aus die Menge der Protokolle<br />
herausgreifen, die beispielsweise die dritte<br />
und die fünfte Aufgabe als richtig beantwortet<br />
ausweisen.<br />
Ein Paar < Ω, > heißt meßbarer Raum.<br />
Auf ihm ist ein Maß μ einführbar, das die<br />
Eigenschaften besitzt, die uns beispielsweise<br />
von der Flächenmessung her geläufig<br />
sind: Ein Maß ist eine gegenüber disjunkten<br />
Elementen additive,<br />
(A B) = (A) + (B) gdw. A B =,<br />
nichtnegative Abbildung nach ,<br />
(A) 0 für alle A , mit μ( ) = 0.<br />
Wahrscheinlichkeit als spezielles Maß der<br />
Gewissheit. Die Wahrscheinlichkeit ist<br />
ein auf μ( Ω) = 1 normiertes Maß auf dem<br />
messbaren Raum < Ω, >. Das Tripel <<br />
Ω, , > bildet einen Wahrscheinlichkeitsraum.<br />
Seine Einführung im Zusammenhang der<br />
Testtheorie ermöglicht die wissenschaftliche<br />
Analyse des zufälligen Antwortverhalten<br />
der untersuchten Personen und<br />
deren Testergebnisse als Zufallsgrößen.<br />
Zufallsgrößen sind Abbildungen der<br />
Grundmenge Ω eines Wahrscheinlichkeitsraumes<br />
< Ω, , > in die reellen Zahlen<br />
, so daß die Umkehrabbildung existiert<br />
und ihre Bilder in liegen. Beispiele sind<br />
alle zahlenmäßigen Testauswertungen,<br />
etwa die Rohwerte, die Versuchspersonen<br />
an einem Intelligenztest erzielt haben. In<br />
diesem Falle besteht Ω wieder aus der<br />
Menge aller möglichen Antwortmuster des<br />
Tests. Die Meßbarkeit beispielsweise der<br />
Abbildung „Intelligenzquotient“ (IQ) ermöglicht<br />
bei gegebenem IQ mittels Umkehrabbildung<br />
die Bestimmung der Wahrscheinlichkeit<br />
des Auftretens einer Person<br />
mit mindestens diesem IQ .<br />
Schwache Truescore-Theorie<br />
Truescore Theorie ist dadurch gekennzeichnet,<br />
daß sie die Testrohwerte als Befunde<br />
einer diagnostischen Untersuchung<br />
in zwei Komponenten aufspaltet, den sogenannten<br />
wahren Anteil und die Fehlerkomponente.<br />
Schwache Truescore-Theorie<br />
verzichtet dabei auf Annahmen über die<br />
Verteilungen dieser Komponenten oder der<br />
Rohwerte selbst. Sie setzt lediglich die<br />
Existenz niederer Momente dieser Verteilungen<br />
voraus. Unter diesen Momenten<br />
sind vor allem der Erwartungswert, die<br />
Varianz und im zweidimensionalen Falle<br />
die Kovarianz zu nennen.<br />
Der Erwartungswert einer Zufallgröße<br />
X ist definiert als X = X p(X), wobei<br />
das Produkt der Ausprägung der Zufallsgröße<br />
und der entsprechenden Auftretenswahrscheinlichkeit<br />
über den gesamten Bereich<br />
von X zu summieren, (im kontinuierlichen<br />
Falle, z. B. bei Reaktionszeiten, zu<br />
integrieren) ist. Die Erwartungswertbildung<br />
ist ein linearer Operator:<br />
(X + Y) = (X) + (Y)<br />
( X) = (X), <br />
(Additivität),<br />
(Homogenität).<br />
Der Erwartungswert sollte nicht mit dem<br />
(Stichproben-)Mittelwert verwechselt werden.<br />
Dieser ist als Summe der mit den<br />
Häufigkeiten gewichtete Summe der verschiedenen<br />
Realisierungen einer Zufallgröße,<br />
dividiert durch deren Anzahl definiert.<br />
Er dient meist zur Schätzung des<br />
Erwartungswerts. Die Varianz einer Zufallsgröße<br />
X ist definiert als var(X) =<br />
²(X) = X² - (X)².<br />
Die Kovarianz zweier Zufallsgrößen X und<br />
Y ist definiert als cov(X,Y) = XY - X<br />
Y. Validität wird als statistischer Korrelationskoeffizient<br />
zwischen Test und Kriterium<br />
ausgedrückt. Ein Korrelationskoeffizient<br />
xy ist die auf das geometrische Mittel<br />
der Varianzen [²(x)²(y)] normierte<br />
Kovarianz von X und X: xy = cov(X,Y)/<br />
[²(X)²(Y)] Validitätskoeffizienten,<br />
lassen sich wie die Erfahrung gelehrt hat,