Hauptmenü öffnen

Wikipedia β

Eine Teststatistik, auch Prüfgröße,[1] Testgröße[2] oder Prüffunktion genannt, ist eine spezielle reellwertige Funktion in der Testtheorie, einem Teilgebiet der mathematischen Statistik. Teststatistiken werden als Hilfsfunktionen bei der Definition von statistischen Tests verwendet. So wird beispielsweise bei einem Hypothesentest die Nullhypothese abgelehnt, wenn die Teststatistik über oder unter einem vorher festgelegten Zahlenwert liegt.

Inhaltsverzeichnis

DefinitionBearbeiten

Gegeben sei eine Funktion

 

sowie ein statistischer Test

 ,

der definiert ist durch

 .

Hierbei ist   eine feste Zahl, die auch der kritische Wert genannt wird. Dann wird die Funktion   eine Teststatistik genannt.

Die Definition gilt ebenso für randomisierte Tests sowie Varianten der obigen Definition des Tests. Dazu gehört unter anderem das Vertauschen oder Abändern von Ungleichheitszeichen und Vertauschen von null und eins.

BeispieleBearbeiten

Unter Verwendung der Abkürzung

 

für das Stichprobenmittel ist eine typische Teststatistik auf   gegeben durch

 

Hierbei ist   eine positive Zahl und   eine beliebige reelle Zahl. Diese Teststatistik findet beispielsweise bei den Gauß-Tests Anwendung. Dabei wird ausgenutzt, dass die Teststatistik standardnormalverteilt ist, d. h.  , wenn die Stichprobenvariablen   normalverteilt sind mit Erwartungswert   und Varianz  .[3]

Bezeichnet man mit

 

die korrigierte Stichprobenvarianz, so ist eine weitere wichtige Teststatistik auf   gegeben durch

 .

Hierbei ist wieder   eine beliebige reelle Zahl. Diese Teststatistik findet bei dem Einstichproben-t-Test Anwendung. Dabei wird ähnlich zum obigen Beispiel ausgenutzt, dass wenn die Stichprobenvariablen normalverteilt sind mit Varianz   und Mittelwert  , die Teststatistik t-verteilt ist mit   Freiheitsgraden. Es gilt dann  .[4]

Eine dritte wichtige Teststatistik ist

 

Dabei ist   und  . Sie wird beispielsweise beim Chi-Quadrat-Test für die Varianz verwendet. Dabei wird genutzt, dass   Chi-Quadrat-Verteilt ist, wenn die Stichprobenvariablen normalverteilt sind mit Erwartungswert   und Varianz  .[3]

VorteileBearbeiten

Betrachtet man einen Test   und bezeichnet mit   die Bildung des Erwartungswertes bezüglich einer Wahrscheinlichkeitsverteilung  , so treten in der Testtheorie häufig Ausdrücke der Form

  oder  

auf. Dabei entspricht der erste Ausdruck dem Fehler 1. Art und der zweite dem Fehler 2. Art, wenn   in der Nullhypothese ist und   in der Alternative. Im Allgemeinen sind solche Ausdrücke schwer zu berechnen, da der Test   selbst wenig Struktur besitzt

Geht man nun von einem nichtrandomisierten Test   aus (der randomisierte Fall folgt mit leichten Anpassungen), so lässt sich der Test schreiben als

 .

Hierbei ist   der Ablehnbereich des Tests und   die Indikatorfunktion auf der Menge  . Mit dieser Schreibweise folgt dann insbesondere

 

(siehe auch Verwendung zur Berechnung von Erwartungswert, Varianz und Kovarianz).

Ist der Test nun durch eine Teststatistik   definiert, also beispielsweise durch

 ,

so ist der Ablehnbereich von der Form

 .

Damit reduziert sich aber die Bestimmung des Erwartungswertes des Tests zu

 .

Damit lässt sich der Erwartungswert des Tests direkt bestimmen, wenn die Verteilung der Teststatistik bekannt ist. Wie die drei obigen Beispiele zeigen ist dies bei vielen wichtigen Tests der Fall.

Die einfachere Berechnung des Erwartungswertes über die Verteilung der Teststatistik wird auf verschiedene Weisen verwendet. Einerseits bei Hypothesentests vor der Datenauswertung, um den kritischen Wert   so anzupassen, dass der Test den gewünschten Fehler erster Art einhält. Andererseits bei Signifikanztests nach der Datenauswertung zur Bestimmung des p-Wertes. Somit erleichtern Teststatistiken den Umgang und die Konstruktion von Tests.

EinzelnachweiseBearbeiten

  1. Wolfgang Tschirk: Statistik: Klassisch oder Bayes. Zwei Wege im Vergleich. 1. Auflage. Springer Spektrum, Berlin/Heidelberg 2014, ISBN 978-3-642-54384-5, S. 67, doi:10.1007/978-3-642-54385-2.
  2. Karl Bosch: Elementare Einführung in die angewandte Statistik. 8. Auflage. Vieweg, Wiesbaden 2005, S. 178.
  3. a b Ludger Rüschendorf: Mathematische Statistik. Springer Verlag, Berlin Heidelberg 2014, ISBN 978-3-642-41996-6, S. 195, doi:10.1007/978-3-642-41997-3.
  4. Hans-Otto Georgii: Stochastik. Einführung in die Wahrscheinlichkeitstheorie und Statistik. 4. Auflage. Walter de Gruyter, Berlin 2009, ISBN 978-3-11-021526-7, S. 282, doi:10.1515/9783110215274.