„Kolmogorow-Verteilung“ – Versionsunterschied
[gesichtete Version] | [gesichtete Version] |
→Anwendung: + Approximation |
|||
Zeile 30: | Zeile 30: | ||
== Anwendung == |
== Anwendung == |
||
Die Kolmogorow-Verteilung wird als approximative Wahrscheinlichkeitsverteilung der Teststatistik für die Durchführung eines approximativen Kolmogorow-Smirnow-Anpassungstests verwendet, falls der Stichprobenumfang hinreichend groß ist, um die asymptotische Verteilung der Teststatistik – nämlich die Kolmogorow-Verteilung – zu verwenden. Die <math>(1-\alpha)</math>-Quantile der |
Die Kolmogorow-Verteilung wird als approximative Wahrscheinlichkeitsverteilung der Teststatistik für die Durchführung eines approximativen Kolmogorow-Smirnow-Anpassungstests verwendet, falls der Stichprobenumfang hinreichend groß ist, um die asymptotische Verteilung der Teststatistik – nämlich die Kolmogorow-Verteilung – zu verwenden. Die <math>(1-\alpha)</math>-Quantile der Kolmogorow-Verteilung für <math>\alpha = 0.20, 0.10, 0.05, 0.02,0.01 </math> sind näherungsweise <math>1.073, 1.224, 1.358, 1.517, 1.628</math>.<ref name="Lex-627">Z. B. {{Literatur|Titel=Lexikon der Stochastik: Tafel XIII B: Kolmogorow-Test: Quantile der Kolmogorow-Verteilung |Seiten=627}}</ref> |
||
Eine Approximation der Verteilungsfunktion ergibt sich, wenn nur der erste Summand für <math>k=1</math> verwendet wird, |
|||
:<math>K(x) \approx K_1(x) = 1 - 2e^{-2x^2}, \quad x > 0.</math> |
|||
Das <math>(1-\alpha)</math>-Quantil <math>k_{1-\alpha}</math> der Kolmogorow-Verteilung ergibt sich dann näherungsweise als Lösung der Gleichung <math>\alpha = 2e^{-2x^2}</math>. Dies führt zur Näherungsformel |
|||
:<math> k_{1-\alpha} \approx \sqrt{-\frac{1}{2}\ln\left(\frac{\alpha}{2}\right)}</math>, |
|||
die zu Werten führt, die bis zur dritten Nachkommastelle mit den oben angegebenen Tabellenwerten übereinstimmt. Manchmal wird diese Formel angegeben, ohne klarzustellen, dass es sich um eine doppelte Approximation handelt.<ref>{{Literatur |Autor=[[Lothar Sachs]], Jürgen Hedderich |Titel= Angewandte Statistik. Methodensammlung mit R |Auflage=17 |Verlag=Springer Spektrum |Ort=Berlin / Heidelberg |Datum=2018 |ISBN=978-3-662-62293-3 |Fundstelle=S. 496 |DOI=10.1007/978-3-662-62294-0 }}</ref> Die asymptotische Verteilung wird für endlichen Stichprobenumfang verwendet und dabei wird nur die Approximation <math>K_1(x)</math> der Kolomogorow-Verteilung verwendet. |
|||
== Theoretischer Hintergrund == |
== Theoretischer Hintergrund == |
Version vom 27. Juli 2023, 18:40 Uhr
Die Kolmogorow-Verteilung ist eine stetige Wahrscheinlichkeitsverteilung, die als Grenzverteilung einer Teststatistik des Kolmogorow-Smirnow-Anpassungstests für über alle Grenzen wachsenden Stichprobenumfang auftritt.
Definition
Eine stetige Zufallsvariable heißt Kolmogorow-verteilt, falls sie die Verteilungsfunktion
hat.[1][2] Die zugehörige Wahrscheinlichkeitsverteilung heißt Kolmogorow-Verteilung.
Eigenschaften
Eine alternative Summendarstellung der Verteilungsfunktion[3][4] ist
Diese alternative Darstellung ist für numerische Berechnungen in bestimmten Fällen günstiger.[3]
Für eine Kolmogorow-verteilte Zufallsvariable gilt
Die Zufallsvariable hat den Erwartungswert
und die Varianz
Anwendung
Die Kolmogorow-Verteilung wird als approximative Wahrscheinlichkeitsverteilung der Teststatistik für die Durchführung eines approximativen Kolmogorow-Smirnow-Anpassungstests verwendet, falls der Stichprobenumfang hinreichend groß ist, um die asymptotische Verteilung der Teststatistik – nämlich die Kolmogorow-Verteilung – zu verwenden. Die -Quantile der Kolmogorow-Verteilung für sind näherungsweise .[5]
Eine Approximation der Verteilungsfunktion ergibt sich, wenn nur der erste Summand für verwendet wird,
Das -Quantil der Kolmogorow-Verteilung ergibt sich dann näherungsweise als Lösung der Gleichung . Dies führt zur Näherungsformel
- ,
die zu Werten führt, die bis zur dritten Nachkommastelle mit den oben angegebenen Tabellenwerten übereinstimmt. Manchmal wird diese Formel angegeben, ohne klarzustellen, dass es sich um eine doppelte Approximation handelt.[6] Die asymptotische Verteilung wird für endlichen Stichprobenumfang verwendet und dabei wird nur die Approximation der Kolomogorow-Verteilung verwendet.
Theoretischer Hintergrund
Die reellwertigen Zufallsvariablen seien stochastisch unabhängig und identisch verteilt mit der stetigen Verteilungsfunktion .
- Dann hängt die Wahrscheinlichkeitsverteilung der Stichprobenfunktion
- wobei
- die zufällige empirische Verteilungsfunktion bezeichnet, nicht von ab. ist also bezüglich der Klasse aller stetigen Verteilungsfunktionen eine verteilungsfreie Statistik.
- Außerdem konvergiert die Folge in Verteilung gegen die Kolmogorow-Verteilung, es gilt daher
- .
ist die Teststatistik des Kolmogorov-Smirnov-Anpassungstest für den Stichprobenumfang . Sie heißt auch Kolmogorow-Smirnow-Statistik. Es gibt Tabellen für Quantile der Verteilung von .[7]
Für große Stichprobenumfänge können die Quantile der Kolmogorow-Verteilung verwendet werden.[5] Es gibt eine Tabelle für Werte der Verteilungsfunktion der Kolomogorov-Verteilung[8]
Literatur
- P. H. Müller (Hrsg.): Lexikon der Stochastik – Wahrscheinlichkeitsrechnung und mathematische Statistik. 5. Auflage. Akademie-Verlag, Berlin 1991, ISBN 978-3-05-500608-1, Kolmogorow-Verteilung, S. 188–189, 627.
Einzelnachweise und Anmerkungen
- ↑ Die leicht abweichende Darstellung
- ↑ Eine - vermutlich fehlerhafte – Darstellung der Verteilungsfunktion mit anstelle von findet sich in den beiden folgenden Quellen:
- N. Smirnov: Table for estimating the goodness of fit for empirical distributions. In: The Annals of Mathematical Statistics. Band 19, Nr. 2, 1948, S. 279–281, S. 279, JSTOR:2236278.
- William Feller: On the Kolmogorov-Smirnov limit theorems for empirical distributions. In: The Annals of Mathematical Statistics. Band 19, Nr. 2, 1948, S. 177–186, S. 178, JSTOR:2236265.
- Anirban DasGupta: Asymptotic Theory of Statistics and Probability. Springer, New York 2008, ISBN 978-0-387-75970-8, S. 425, doi:10.1007/978-0-387-75971-5.
- Jaroslav Hájek, Zbyněk Šidák, Pranab K. Sen: Theory of Rank Tests. 2. Auflage. Academic Press, San Diego et al. 1999, ISBN 978-0-12-642350-1, S. 247, doi:10.1016/B978-0-12-642350-1.X5017-6.
- Robert J. Serfling: Approximation Theorems of Mathematical Statistics. Wiley, New York 1980, ISBN 0-471-21927-4, S. 62.
- Galen R. Shorack, Jon A. Wellner: Empirical Processes with Applications in Statistics. Wiley, New York 1986, S. 142 (Unveränderter Nachdruck: SIAM, Philadelphia 2009, ISBN 978-0-898716-84-9).
- ↑ a b c Lexikon der Stochastik: Kolmogorow-Verteilung. S. 188.
- ↑ William Feller: On the Kolmogorov-Smirnov limit theorems for empirical distributions. In: The Annals of Mathematical Statistics. Band 19, Nr. 2, 1948, S. 177–186, S. 178, JSTOR:2236265.
- ↑ a b Z. B. Lexikon der Stochastik: Tafel XIII B: Kolmogorow-Test: Quantile der Kolmogorow-Verteilung. S. 627.
- ↑ Lothar Sachs, Jürgen Hedderich: Angewandte Statistik. Methodensammlung mit R. 17. Auflage. Springer Spektrum, Berlin / Heidelberg 2018, ISBN 978-3-662-62293-3, S. 496, doi:10.1007/978-3-662-62294-0.
- ↑ Z. B. Lexikon der Stochastik: Tafel XIII A: Kolmogorow-Test: Quantile . S. 625–626.
- ↑ N. Smirnov: Table for estimating the goodness of fit for empirical distributions. In: The Annals of Mathematical Statistics. Band 19, Nr. 2, 1948, S. 279–281, JSTOR:2236278. Diese Tabelle wurde zuerst abgedruckt in N. Smirnov: On the estimation of the discrepancy between empirical curves of distribution for two independent samples. In: Bulletin Mathématique de l'Université Moscou. Band 2, Nr. 2, 1939. Die Tabelle ist wiederabgedruckt auf S. 143 in Galen R. Shorack, Jon A. Wellner: Empirical Processes with Applications in Statistics. Wiley, New York 1986 (Unveränderter Nachdruck: SIAM, Philadelphia 2009, ISBN 978-0-898716-84-9).