Verteilung der Stichprobenvarianz: Unterschied zwischen den Versionen

Aus MM*Stat

Wechseln zu: Navigation, Suche
(Die Seite wurde neu angelegt: „{{Stichprobentheorie}} =={{Vorlage:Überschrift}}== ===Stichprobenvarianz=== Gegeben sei eine Grundgesamtheit mit der Zufallsvariablen <math>X\;</ma…“)
 
Keine Bearbeitungszusammenfassung
Zeile 1: Zeile 1:
{{Stichprobentheorie}}
{{Stichprobentheorie}}
{{SubpageToc}}


=={{Vorlage:Überschrift}}==
=={{Vorlage:Überschrift}}==
Zeile 281: Zeile 282:


Dies ist der Grund dafür, dass sie in der [[Induktive Statistik|induktiven Statistik]] weniger Anwendung findet.
Dies ist der Grund dafür, dass sie in der [[Induktive Statistik|induktiven Statistik]] weniger Anwendung findet.
=={{Vorlage:Beispiele}}==
===Arbeitsgang===
Für die Beurteilung der Gleichmäßigkeit der benötigten Zeit von Arbeitsgängen wird vielfach die [[Streuung]] herangezogen.
Die von einem Arbeiter benötigte Zeit für einen bestimmten Arbeitsgang ist die [[Zufallsvariable]] <math>X\;</math> in der [[Grundgesamtheit]].
<math>X\;</math> sei [[Normalverteilung|normalverteilt]] mit <math>E[X]=\mu</math> und <math>Var(X)=\sigma^{2}</math>.
Es wird eine [[Zufallsstichprobe]] vom [[Stichprobenumfang|Umfang]] <math>n</math> gezogen.
Da die [[Grundgesamtheit]] aus allen möglichen Zeitmessungen für den gleichen Arbeitsgang, ausgeführt von demselben Arbeiter, besteht und deshalb
als sehr groß angesehen werden kann, wird von der [[Realisation|Realisierung]] einer [[Einfache Zufallsstichprobe|einfachen Zufallsstichprobe]] ausgegangen.
Die [[Stichprobenvariable]]n <math>X_{i}=\;</math> "i-te Zeitmessung für den Arbeitsgang" <math>( i = 1, \ldots, n)</math> sind somit [[Unabhängigkeit (stochastisch)|unabhängig]] voneinander und identisch [[Normalverteilung|normalverteilt]].
====Berechnung der Wahrscheinlichkeit====
Es wird eine [[Zufallsstichprobe]] vom [[Stichprobenumfang|Umfang]] <math>n = 15</math> gezogen.
Wie groß ist die [[Wahrscheinlichkeit]], dass die [[Stichprobenvarianz]] <math>S^{2}\;</math> Werte im Intervall <math>\left[0,5\cdot\sigma^{2};1,5\cdot\sigma^{2}\right]</math> annimmt?
Gesucht ist somit <math>P\left(0,5\cdot \sigma^{2}\leq s^{2}\leq1,5\cdot \sigma^{2}\right)</math>.
Zur Lösung wird jede Seite der Ungleichung mit <math>\frac{n - 1}{\sigma^{2}}</math> erweitert:
{|
|<math>P\left(0,5\cdot \sigma^{2}\leq S^{2}\leq1,5\cdot \sigma^{2}\right)</math>
|<math>=P\left(\frac{n-1}{\sigma^{2}}\cdot 0,5\cdot \sigma^{2}\leq\frac{n-1}{\sigma^{2}}\cdot S^{2}\leq\frac{n-1}{\sigma^{2}}\cdot 1,5\cdot \sigma^{2}\right)</math>
|-
|
|<math>=P\left((n-1)\cdot1,5\leq\frac{n-1}{\sigma^{2}}\cdot S^{2}\leq(n-1)\cdot1,5\right)</math>
|}
Mit <math>n - 1 = 14</math> folgt:
<math>P\left(0,5\cdot \sigma^{2}\leq S^{2}\leq1,5\cdot \sigma^{2}\right)=P\left(7\leq\frac{n-1}{\sigma^{2}}\cdot S^{2}\leq21\right)</math>
Die [[Wahrscheinlichkeit]], dass die [[Stichprobenvarianz]] <math>S^{2}\;</math> Werte zwischen <math>0,5\cdot\sigma^{2}</math> und <math>1,5\cdot\sigma^{2}</math> annimmt, ist identisch mit der [[Wahrscheinlichkeit]], dass die transformierte [[Zufallsvariable]] <math>\frac{(n-1)\cdot S^{2}}{\sigma^{2}}</math> Werte zwischen 7 und 21 annimmt.
Die [[Zufallsvariable]] <math>\frac{(n-1)\cdot S^{2}}{\sigma^{2}}</math> ist [[Chi-Quadrat-Verteilung|Chi-Quadrat-verteilt]] mit <math>f = n - 1 = 14</math>
[[Freiheitsgrad]]en, so dass die gesuchte [[Wahrscheinlichkeit]] mittels Tabellen der [[Verteilungsfunktion (stochastisch, eindimensional)|Verteilungsfunktion]] der [[Chi-Quadrat-Verteilung]] bzw. über Computerberechnungen bestimmt werden kann:
{|
|<math>P\left(0,5\cdot\sigma^{2}\leq S^{2}\leq1,5\cdot \sigma^{2}\right)</math>
|<math> =P\left( 7\leq\frac{n-1}{\sigma^{2}}\cdot S^{2}\leq21\right)</math>
|-
|
|<math>=P\left(  \frac{n-1}{\sigma^{2}}\cdot S^{2}\leq21\right)  -P\left(  \frac{n-1}{\sigma^{2}}\cdot S^{2}\leq7\right)</math>
|-
|
|<math>\,=0,8984-0,0653=0,8331</math>
|}
Die [[Wahrscheinlichkeit]], dass die [[Stichprobenvarianz]] <math>S^{2}\;</math> Werte im Intervall <math>\left[0,5\cdot\sigma^{2}; 1,5\cdot\sigma^{2}\right]</math> annimmt, beträgt 0,8331.
Die folgende Grafik zeigt die [[Dichtefunktion (eindimensional)|Dichtefunktion]] der [[Chi-Quadrat-Verteilung]] mit <math>f = 14</math>, wobei <math>Y=\frac{(n-1)S^{2}}{\sigma^{2}}</math> repräsentiert.
{|
|<R output="display">
pdf(rpdf,height=7,width=7)
curve(from=0, to=35, dchisq(x, df=14), xaxt="n", , yaxt="n", ylab="f(y)", xlab="y", col="blue", ylim=c(0.0,0.09), lty=1, lwd=4, font.lab=2, "xaxs"="i" ,"yaxs"="i", bty="l")
axis( side=1, at=3.5*c(0:10), tick=TRUE)
axis( side=2, at=0.03*c(0:3), tick=TRUE)
par(new=TRUE)
xx <-c(7:21, 21:7)
yy <-c(c(dchisq(c(7:21), df=14)),c(rep(0,15)))
polygon(xx, yy, col="palegreen", border=NA)
par(new=TRUE)
curve(from=0, to=35, dchisq(x, df=14), xaxt="n", , yaxt="n", ylab="f(y)", xlab="y", col="blue", ylim=c(0.0,0.09), lty=1, lwd=4, font.lab=2, "xaxs"="i" ,"yaxs"="i", bty="l")
abline(v=7, col="black", lwd=1, lty=2)
abline(v=21, col="black", lwd=1, lty=2)
</R>
|}
====Zentrales Schwankungsintervall der Stichprobenvarianz====
Es soll ein [[zentrales Schwankungsintervall]] für die [[Stichprobenvarianz]] <math>S^{2}\;</math> mit der [[Sicherheitswahrscheinlichkeit]] <math>1-\alpha=0.95</math> bestimmt werden, wenn die gleiche [[Grundgesamtheit]] vorausgesetzt und eine [[Zufallsstichprobe]] vom [[Stichprobenumfang|Umfang]] <math>n = 30</math> gezogen wird.
Aufgrund von
<math>P\left(  v_{1}\leq\frac{(n-1)\cdot S^{2}}{\sigma^{2}}\leq v_{2}\right)=0,95</math>
und
<math>P\left(  \frac{(n-1)\cdot S^{2}}{\sigma^{2}}\leq v_{1}\right)  =0,025;\qquad P\left( \frac{(n-1)\cdot S^{2}}{\sigma^{2}}\leq v_{2}\right)=0,975</math>
findet man in der Tabelle der [[Verteilungsfunktion (stochastisch, eindimensional)|Verteilungsfunktion]] der [[Chi-Quadrat-Verteilung]] mit <math>f = 29</math> [[Freiheitsgrad]]en:
<math>v_{1}=16,05</math> und <math>v_{2}=45,72</math>.
Damit wird:
<math>P\left(  16,05\leq\frac{(n-1)\cdot S^{2}}{\sigma^{2}}\leq45,72\right)=0,95</math>
Mit einer [[Wahrscheinlichkeit]] von 0,95 nimmt die transformierte [[Zufallsvariable]] <math>\frac{(n-1)\cdot S^{2}}{\sigma^{2}}</math> Werte im Intervall <math>\left[16,05;\; 45,72\right]</math> an.
Durch Umformung ergibt sich ein [[zentrales Schwankungsintervall]] für <math>S^{2}\;</math>:
<math>P\left(\frac{16,05\cdot \sigma^{2}}{n-1}\leq S^{2}\leq\frac{45,72\cdot \sigma^{2}}{n-1}\right)=0,95</math>
<math>P\left(0,5534\cdot \sigma^{2}\leq S^{2}\leq1,5766\cdot \sigma^{2}\right)=0,95\;</math>
Mit einer [[Wahrscheinlichkeit]] von 0,95 nimmt die [[Stichprobenvarianz]] <math>S^{2}\;</math> Werte im Intervall <math>\left[0,5534\cdot \sigma^{2};1,5766\cdot \sigma^{2}\right]</math> an.
Die Grenzen des Intervalls können nur bestimmt werden, wenn die [[Varianz (stochastisch)|Varianz]] <math>\sigma^{2}</math> der [[Zufallsvariable]]n <math>X = \;</math> "benötigte Zeit für einen bestimmten Arbeitsgang" in der [[Grundgesamtheit]] bekannt ist.

Version vom 22. November 2018, 15:45 Uhr

Stichprobentheorie

Stichprobentheorie • Stichprobe • Verteilung der Grundgesamtheit • Stichprobenvariable • Stichprobenfunktion • Zufallsauswahlmodelle • Stichprobenmittelwert • Schwaches Gesetz der großen Zahlen • Verteilung des Stichprobenmittelwertes • Verteilung der Stichprobenvarianz • Verteilung des Stichprobenanteilswertes • Multiple Choice • Video • Aufgaben • Lösungen
Anteilswert der Grundgesamtheit • Auswahlsatz • Einfache Zufallsauswahl • Einfache Zufallsstichprobe • Erwartungswert der Grundgesamtheit • Erwartungswert des Stichprobenmittelwertes • Induktiver Schluss • Mittelwert der Grundgesamtheit • Parameter der Grundgesamtheit • Parameter des Stichprobenmittelwertes • Standardabweichung des Stichprobenmittelwertes • Standardfehler • Statistisches Element • Stichprobenanteilswert • Stichprobengröße • Stichprobenumfang • Stichprobenwerte • Stichprobenvarianz • Stichprobenverteilung • Uneingeschränkte Zufallsauswahl • Uneingeschränkte Zufallsstichprobe • Varianz der Grundgesamtheit • Varianz des Stichprobenmittelwertes • Varianzhomogenität • Varianzheterogenität • Verteilung einer Stichprobenfunktion • Zufallsauswahl • Zufallsauswahlmodell mit Zurücklegen • Zufallsauswahlmodell ohne Zurücklegen • Zufallsstichprobe

Grundbegriffe

Stichprobenvarianz

Gegeben sei eine Grundgesamtheit mit der Zufallsvariablen mit und .

Aus dieser Grundgesamtheit wird eine Zufallsstichprobe vom Umfang gezogen.

Der Stichprobenvarianz liegt die Summe der quadrierten Abweichungen der Stichprobenvariablen vom Mittelwert der Grundgesamtheit zugrunde.

Abhängig von den Informationen, die über den Mittelwert bekannt sind, gibt es unterschiedliche Definitionen der Stichprobenvarianz.

Erwartungswert der Grundgesamtheit bekannt

In diesem Fall ist die Stichprobenvarianz gegeben durch

Erwartungswert der Grundgesamtheit unbekannt

Da der Erwartungswert der Grundgesamtheit unbekannt ist, muss er durch den Stichprobenmittelwert ersetzt werden.

Es wird dann im Allgemeinen die Stichprobenvarianz

verwendet.

Analog zur deskriptiven Statistik kann die Stichprobenvarianz auch als

definiert werden.

Verteilung der Stichprobenvarianz

Die Ableitung der Verteilung der Stichprobenvarianzen und soll für den Fall einer normalverteilten Grundgesamtheit, d.h. , und einer einfachen Zufallsstichprobe erfolgen.

Entsprechend dieser Voraussetzungen gilt, dass die Stichprobenvariablen unabhängig voneinander und ebenfalls normalverteilt mit und sind:

für alle

Weiterhin ist der Stichprobenmittelwert normalverteilt mit und :

Verteilung der Stichprobenvarianz bei bekanntem Erwartungswert

Aus der Definition der Stichprobenvarianz folgt:

und nach Division durch

Mit diesem Ergebnis können folgende Aussagen getroffen werden:

Nun ist bekannt, dass die Summe von voneinander unabhängigen und identisch standardnormalverteilten Zufallsvariablen Chi-Quadrat-verteilt ist.

Damit ergibt sich:

folgt einer Chi-Quadrat-Verteilung mit dem Parameter .

Die Verteilung von lässt sich somit nicht direkt, sondern nur über die transformierte Zufallsvariable angeben.

Da und jedoch Konstanten sind, können auch Wahrscheinlichkeitsaussagen für die Stichprobenfunktion gemacht werden.

Der Parameter ist die Anzahl der Freiheitsgrade, die der Anzahl der unabhängigen Summanden, d.h. der Anzahl der standardisierten Zufallsvariablen , entspricht.

In diesem Fall ist , da bei einer einfachen Zufallsstichprobe alle Stichprobenvariablen unabhängig voneinander sind.

Für Erwartungswert und Varianz von ergibt sich:

Verteilung der Stichprobenvarianz bei unbekanntem Erwartungswert

Die Ableitung der Verteilung der Stichprobenvarianz erfolgt in analoger Weise.

Aus der Definition der Stichprobenvarianz folgt:

und nach Division durch

Da für dieses Ergebnis ebenfalls die obigen Aussagen zutreffen, ergibt sich:

folgt einer Chi-Quadrat-Verteilung mit dem Parameter .

Auch die Verteilung von lässt sich nicht direkt, sondern nur über die transformierte Zufallsvariable angeben.

Mit Hilfe der Verteilung von kann man aber zu Wahrscheinlichkeitsaussagen über die Stichprobenfunktion gelangen, da und Konstanten sind.

Der Parameter als Anzahl der Freiheitsgrade ist . Dies lässt sich wie folgt begründen:

Der Stichprobenmittelwert ist als das arithmetische Mittel aus den Stichprobenvariablen definiert: .

Damit gilt aber die Nulleigenschaft des arithmetischen Mittels, die besagt, dass die Summe der Abweichungen der Stichprobenvariablen vom Stichprobenmittelwert gleich Null ist:

Aufgrund dieser linearen Beziehung sind die Zufallsvariablen insgesamt nicht mehr unabhängig.

Nur Zufallsvariablen sind unabhängig, denn sie können frei variieren.

Die Realisation der -ten Zufallsvariablen liegt dann fest, um die Beziehung einzuhalten.

An dieser Eigenschaft ändert die Quadrierung und die Division durch nichts, so dass für die Anzahl der unabhängigen Summanden und damit die Anzahl der Freiheitsgrade ist.

Für Erwartungswert und Varianz von ergibt sich:

Zusatzinformationen

Zentrale Schwankungsintervalle

Bei bekannter Varianz einer normalverteilten Grundgesamtheit lässt sich die Wahrscheinlichkeit berechnen, dass die Stichprobenvarianz Werte in einem zentralen Schwankungsintervall mit der Sicherheitswahrscheinlichkeit annimmt.

Es ist

Die Wahrscheinlichkeit, dass nach unten bzw. nach oben aus dem Intervall herausfällt, beträgt:

Für findet man die Grenzen des Intervalls aus der Tabelle der Verteilungsfunktion der Chi-Quadrat-Verteilung als

Damit wird

Durch Umformung ergibt sich ein zentrales Schwankungsintervall für :

Unter Berücksichtigung von kann mit gleichen Überlegungen das zentrale Schwankungsintervall für bestimmt werden:

Herleitung des Erwartungswertes der Stichprobenvarianz

Bei bekanntem Erwartungswert der Grundgesamtheit

Bei bekanntem Erwartungswert der Grundgesamtheit ist die Stichprobenvarianz gegeben durch

Für den Erwartungswert von ergibt sich:

Dabei wurde die Tatsache berücksichtigt, dass alle Stichprobenvariablen die Varianz haben.

Bei unbekanntem Erwartungswert der Grundgesamtheit

Bei unbekanntem Erwartungswert der Grundgesamtheit ist die Stichprobenvarianz gegeben durch

Zunächst einige Zwischenbetrachtungen. Grundsätzlich lässt sich die Varianz einer Zufallsvariablen wie folgt schreiben:

Daraus folgt:

Dieses Ergebnis wird auf die Stichprobenvariablen und den Stichprobenmittelwert angewandt:

Weiterhin ist unter Berücksichtigung dieser Resultate:

Somit erhält man für den Erwartungswert der Stichprobenvarianz :


Herleitung der Varianz der Stichprobenvarianz

Bei bekanntem Erwartungswert in der Grundgesamtheit

Bei bekanntem Erwartungswert der Grundgesamtheit ist die Stichprobenvarianz gegeben durch

Die Varianz einer Chi-Quadrat-verteilten Zufallsvariable mit dem Parameter ist .

Da einer Chi-Quadrat-Verteilung mit dem Parameter folgt, ergibt sich:

und damit

Bei unbekanntem Erwartungswert in der Grundgesamtheit

Bei unbekanntem Erwartungswert der Grundgesamtheit ist die Stichprobenvarianz gegeben durch

Da einer Chi-Quadrat-Verteilung mit dem Parameter folgt, ergibt sich:

und damit

Analog zur deskriptiven Statistik kann die Stichprobenvarianz auch als

definiert werden.

Zur Herleitung des Erwartungswertes werden alle vorherigen Zwischenergebnisse verwendet, so dass folgt:

Der Erwartungswert dieser Stichprobenvarianz ist nicht gleich der Varianz der Grundgesamtheit.

Dies ist der Grund dafür, dass sie in der induktiven Statistik weniger Anwendung findet.