Jochen Howind - Deutsche Geodätische Kommission
Jochen Howind - Deutsche Geodätische Kommission
Jochen Howind - Deutsche Geodätische Kommission
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
- 17 -<br />
mäßig bester Test. Aufgrund von Gütevergleichen empfehlen jedoch Teusch (2004) bzw. Hartley (1950) den Bartlett-<br />
Test (Bartlett, 1937) für k voneinander unabhängige Stichproben Yj = Yj1,<br />
K , Yjn<br />
mit j = 1,<br />
K,<br />
k und n j ≥ 5.<br />
Aus der<br />
j<br />
n j<br />
2 1<br />
Varianz der j-ten Stichprobe: s j = ( Yji<br />
− Yj<br />
)<br />
n −1<br />
j<br />
∑<br />
i=<br />
1<br />
k<br />
2 1<br />
Gesamtvarianz aller Stichproben: s = ( n −1)<br />
ergibt sich dann die Testgröße des Bartlett-Tests zu<br />
wobei die Nullhypothese<br />
(1-α)-Quantil der<br />
n − k<br />
∑<br />
j=<br />
1<br />
j<br />
s<br />
2<br />
j<br />
2<br />
n j 1<br />
mit Yj<br />
= ∑ Y<br />
n = 1<br />
mit = ∑<br />
=<br />
k<br />
n n<br />
j 1<br />
j<br />
i<br />
j<br />
ji<br />
und der<br />
k<br />
M B 2<br />
2<br />
2<br />
T : = ~ χ k−1<br />
mit M = ( − ) − ( − )<br />
B n k ln s n j 1 ln s j<br />
(2.28)<br />
C<br />
und<br />
C<br />
∑<br />
j=<br />
1<br />
( ) ⎟ ⎛ k 1<br />
⎞<br />
⎜<br />
1 1<br />
1 +<br />
− ,<br />
3 k −1<br />
⎜<br />
⎝ j 1 n j −1<br />
n − k ⎠<br />
= ∑ =<br />
2 2<br />
2<br />
0 1 2 : H σ = σ = K = σ k verworfen wird, wenn<br />
2<br />
χ -Verteilung mit k Freiheitsgraden.<br />
2.4.2 Test auf Unabhängigkeit bzw. Unkorreliertheit einer Zeitreihe<br />
2<br />
T > χ k−1;<br />
1−α<br />
. Dabei entspricht<br />
2<br />
χ ; 1−α<br />
k dem<br />
Zur Untersuchung der Korrelationen von Zeitreihen existieren eine Reihe von Testverfahren. Oft wird dabei getestet, ob<br />
die Zeitreihe unabhängig und identisch verteilt ist (IID - independent and identically distributed). Die Zufallsvariablen<br />
Y1,..., Yn sind dabei (stochastisch) unabhängig, wenn die gemeinsame Verteilungsfunktion F für alle Zeitparameter<br />
t1,...,tn durch unabhängige Kopplung der Verteilungen Fi der einzelnen Zufallsvariablen gewonnen werden kann:<br />
F(t1, t2, ..., tn) = F1(t1) ⋅ ... ⋅ Fn(tn) . (2.29)<br />
Aus dem Vorliegen der Unabhängigkeit ergibt sich die Unkorreliertheit der Zeitreihe; der Umkehrschluss ist jedoch,<br />
abgesehen von normalverteilten Zufallsvariablen, nicht zulässig. Besitzen alle Zufallsvariablen dieselbe Verteilung, so<br />
sind sie identisch verteilt. Eine unabhängig und identisch verteilte Zeitreihe Yt mit E(Yt)=μ und Var(Yt)=σ 2 bezeichnet<br />
man dann als: Yt ~ IID (0,σ 2 ).<br />
Ob eine Zeitreihe unabhängig und identisch verteilt und damit unkorreliert ist, kann u.a. mit Hilfe eines Kolmogorov-<br />
Smirnov-Tests geprüft werden. Für die Stichprobe Y1,...,Yn und die Verschiebung τ = 0, 1,..., n-1 ist dessen Testgröße<br />
definiert als<br />
T : = max<br />
u∈<br />
[ 0,<br />
1]<br />
2n<br />
⋅<br />
π<br />
n 1<br />
∑<br />
1<br />
−<br />
τ =<br />
R<br />
xx<br />
( τ )<br />
sin<br />
( π ⋅u<br />
⋅τ<br />
)<br />
~ K<br />
τ<br />
. (2.30)<br />
Dabei entspricht Rxx(τ) der empirischen Autokorrelationsfunktion (2.23). Die Nullhypothese H0: Yt ~ IID (0,σ 2 ) wird<br />
dann verworfen, wenn T > K 1-α , wobei K 1-α das (1-α)-Quantil der in Tabelle 2.1 auszugsweise dargestellten Kolmogorov-Verteilung<br />
bezeichnet (vgl. auch Bronstein et al., 2001). Eine detaillierte Beschreibung dieses Tests inklusive Herleitung<br />
kann Teusch (2004, Kapitel 6) entnommen werden. Ebenso sind dort Untersuchungen zur Güte im Vergleich<br />
mit anderen Tests zur Prüfung der Unkorreliertheit zu finden.<br />
� 0.05 0.025 0.01 0.005 0.001<br />
K 1-� 1.3581 1.4802 1.6276 1.7308 1.9495<br />
Tab. 2.1: (1-α)-Quantile der Kolmogorov-Verteilung (vgl. Teusch, 2004)