Sie sind auf Seite 1von 13

(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Güte von Tests


Grundlegendes zum Konzept der Güte
Ableitung der Gütefunktion des Gauss Test im Einstichprobenproblem
Grafische Darstellung der Gütefunktionen des Gauss Test im Einstichprobenproblem
Ableitung der Gütefunktion des Tests auf p
Grafische Darstellung der exakten Gütefunktionen des Tests auf p
Grafische Darstellung der approximativen Gütefunktionen des Tests auf p
Ableitung der Gütefunktion des Tests auf Varianz im Einstichprobenproblem
Grafische Darstellung der exakten Gütefunktionen des Tests auf Varianz
Übungen zur Güte von Tests

Grundlegendes zum Konzept der Güte

Wir haben uns bislang bei der Durchführung von Tests auf den Fehler 1. Art bzw. auf
die Wahrscheinlichkeit für diesen Fehler beschränkt: Die Wahrscheinlichkeit, die
Hypothese abzulehnen, obwohl sie richtig ist. Neben diesem Fehler 1. Art gibt es

die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich

anzunehmen, obwohl falsch ist. Darauf haben wir bereits im Kapitel über

Fehlerwahrscheinlichkeiten hingewiesen.
Wir werden im Folgenden aber nicht den Fehler 2. Art bei einzelnen Tests untersuchen,
sondern die dazu komplementäre korrekte Entscheidung, nämlich die Hypothese

abzulehnen, wenn nicht zutrifft, sondern die Gegenhypothese . Die

Wahrscheinlichkeit für eine solche korrekte Entscheidung wird als Güte eines Tests
bezeichnet. Sie ist dann die komplementäre Wahrscheinlichkeit zur Wahrscheinlichkeit
für den Fehler 2. Art. Und es ist unmittelbar einleuchtend, dass Test einem Test

für dieselbe Hypothese und für eine festgelegte Gegenhypothese vorzuziehen

ist, wenn eine größere Güte als hat oder damit gleichbedeutend, wenn für die

Wahrscheinlichkeit für den Fehler 2. Art kleiner ist als für .

Page 1
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Betrachten wir ein Beispiel aus dem Kapitel zum Test auf p mit den zu testenden
Hypothesen gegen . Was bedeutet es,

abzulehnen, wenn wächst bei konstantem und n? Wie ändert sich dann

die Güte? Und wie ändert sich die Güte bei festem , aber variierendem n oder

? Auf diese Fragen wird im folgenden Modul eine Antwort gegeben werden. Es wird
nun die Güte verschiedener Tests für einige in den jeweiligen Testkapiteln betrachteten
Beispiele untersucht. In einigen Fällen können wir die zugehörige Gütefunktion als
Funktion der Parameter aus der Gegenhypothese exakt bzw. asymptotisch herleiten, in
anderen Fällen sind wir auf Simulationen zur Berechnung der Güte angewiesen. Wir
beginnen der Einfachheit halber mit dem Gauss-Test.

Ableitung der Gütefunktion des Gauss Test im Einstichprobenproblem

Es seien normalverteilte Zufallsvariablen mit , und

, kurz bekannt. Zu testen

sei:
Test Hypothesen
gegen
Test A

gegen
Test B

gegen
Test C

Als Entscheidungsregeln für die drei Testprobleme ergaben sich


Test Ablehnbereich
ablehnen, falls ,

bzw. über die Prüfgröße :

Test A ablehnen, falls

ablehnen, falls
Test B

ablehnen, falls oder


Test C

Page 2
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

wobei gilt: .

Wir wollen die Berechnung der Gütefunktion, die wir mit bezeichnen wollen,

am Beispiel des Test A verdeutlichen; für die anderen beiden Tests geben wir die
Gütefunktion am Ende dieses Abschnitts an.
Gütefunktion für Test A
Test A: Sei , ein fester Wert der Gegenhypothese . Dann ist

standardnormalverteilt. Damit ergibt sich für die Wahrscheinlichkeit

abzulehnen, wenn : richtig ist, mit Hilfe der obigen

Testentscheidung zu Test A:
= =

So ist in einem Beispiel im Testkapitel zum Gauss-Test für , ,

, und

= =0.8037, d.h. die

Wahrscheinlichkeit für die korrekte Entscheidung, abzulehnen, wenn

, ist gleich 0.8037.

Gütefunktion für Test B


Test B:...

Page 3
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

So ist in einem Beispiel im Testkapitel zum Gauss Test für , ,

, und :

= =0.7227, d.h.

die Wahrscheinlichkeit für die korrekte Entscheidung, abzulehnen, wenn

, ist gleich 0.7227.

Gütefunktion für Test C


Test C: .

Grafische Darstellung der Gütefunktionen des Gauss Test im


Einstichprobenproblem

Die Gütefunktionen für die einzelnen Tests A, B und C werden nun grafisch
bei variablen , , und Stichprobenumfang n dargestellt. Damit sollen die
unterschiedlichen Verläufe bei den einseitigen Tests A und B und dem zweiseitigen
Test C veranschaulicht werden. Weiterhin soll demonstriert werden, dass mit
wachsendem , und größerer Distanz von die Güte zunimmt.

Zuerst werden die Auswirkungen von Veränderungen von demonstriert, wobei stets
, , und angenommen wird. Es ist klar, dass

ist. Wir werden sehen, dass mit zunehmender Distanz zwischen und

ein Anwachsen der Güte zu beobachten ist, was natürlich verständlich ist. In den

weiteren Analysen werden noch und variiert

Grafische Darstellung der Gütefunktion für Test A bei Änderung von My

Page 4
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Güte für Test A


Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test B bei Änderung von My


Güte für Test B
Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test C bei Änderung von My


Güte für Test C
Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test A/B bei Änderung von n mit
My1=105
Güte für Test A/B
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test C bei Änderung von n mit
My1=105 bzw. My1=98
Güte für Test C
Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test A/B bei Änderung von Sigma mit
My1=105
Güte für Test A/B
Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test C bei Änderung von Sigma mit
My1=105
Güte für Test C
Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test A/B bei Änderung von My und
bei Veränderungen von Alpha (0.05, 0.2 ,0.3)
Güte für Test A/B
Quelle: eigene Gestaltung

Grafische Darstellung der Gütefunktion für Test C bei Änderung von My und bei
Veränderungen von Alpha (0.01, 0.05, 0.1)
Güte für Test C
Quelle: eigene Gestaltung

Eine Veranschaulichung der Gütefunktionen findet sich auch im


Applet Güte (c2b.jar)
.

Ableitung der Gütefunktion des Tests auf p

Zunächst wird die Gütefunktion der Prüfgröße T für den Test auf p exakt über die
Binomialverteilung bestimmt.
Die Hypothesen lauteten:
Test Hypothesen

Test A

Page 5
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

gegen .
Test B gegen .
Test C gegen .

Als Entscheidungsregeln für die obigen drei Testprobleme ergeben sich damit:
Test Ablehnbereich
Test A ablehnen, falls

Test B ablehnen, falls

ablehnen, falls oder

Test C

Bestimmung der exakten Gütefunktion


Unter der Hypothese ist die Prüfgröße T

binomialverteilt mit Parametern n und , unter der Hypothese ist T binomialverteilt mit
Parametern n und p mit . Damit ergibt sich für die Gütefunktion
bei den einzelnen Tests:

Test Ablehnbereich
Test A = mit
= mit
Test B

Test C =+ mit

Es ist klar, dass ist.

Bestimmung der approximativen Gütefunktion

Page 6
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Nach dieser Bestimmung der exakten Gütefunktion des p-Tests wird nun die
approximative Gütefunktion über die approximative Verteilung der Prüfgröße T
bestimmt, siehe das Kapitel zum Test auf p:
Die standardisierte Prüfgröße ist für beliebiges p approximativ N(0,1)-verteilt. Damit
ergibt sich für die (approximative) Gütefunktion :
Test Gütefunktion
,
Test A

Test B ,

Test C ,

Wir wollen noch an einem Beispiel einen Vergleich der exakten mit der approximativen
Güte vornehmen. Zu testen sei gegen , d.h. (Test A). Wir wählen ,

n=100 und als Parameter der Alternativhypothese bzw. .

Exakte Güte:
Zunächst ist (mit

und damit

Approximative Güte:

Wir sehen, dass die Approximation der Güte als gut angesehen werden kann. Es ist klar,
dass diese Approximation mit wachsenden n noch besser wird; und erst recht dann,
wenn ist (symmetrischer Fall wie beim Münzwurf).

Grafische Darstellung der exakten Gütefunktionen des Tests auf p

Die Gütefunktionen für die einzelnen Tests A, B und C werden nun grafisch dargestellt

Page 7
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

und , um zu demonstrieren, dass mit wachsendem ,

und größerer Distanz von die Güte zunimmt.

Grafische Darstellung der exakten Gütefunktion für Test A bei Änderung von p
mit p0=0.18, n=1000 und Alpha=0.05.
Güte für Test A
Quelle: eigene Gestaltung

Grafische Darstellung der exakten Gütefunktion für Test B bei Änderung von p
mit p0=0.03, n=1000 und Alpha=0.05.
Güte für Test B
Quelle: eigene Darstellung

Grafische Darstellung der exakten Gütefunktion für Test C bei Änderung von p
mit p0=0.5, n=1000 und Alpha=0.05.
Güte für Test C
Quelle: eigene Darstellung

Grafische Darstellung der exakten Gütefunktion für Test A/B am Beispiel von Test
A bei Änderung von n, mit p0=0.18, p1=0.15 und Alpha=0.05.
Güte für Test A
Quelle: eigene Gestaltung

Grafische Darstellung der exakten Gütefunktion für Test C bei Änderung von n
mit p0=0.5, p1=0.53, p1=0.48 und Alpha=0.05
Güte für Test C
Quelle: eigene Darstellung

Grafische Darstellung der exakten Gütefunktion für Test A/B am Beispiel von Test
A bei Veränderung von p und von Alpha (0.01,0.05,0.1) mit p0=0.18:
Güte für Test A
Quelle: eigene Darstellung

Grafische Darstellung der exakten Gütefunktion für Test C bei Veränderung von
p und von Alpha (0.01, 0.05, 0.1) mit p0=0.5
Güte für Test C
Quelle: eigene Gestaltung

Grafische Darstellung der approximativen Gütefunktionen des Tests auf p

Die Gütefunktionen für die einzelnen Tests A, B und C werden nun grafisch dargestellt
mit variablen und , um zu demonstrieren, dass mit wachsendem ,

und größerer Distanz von die Güte zunimmt.


Grafische Darstellung der approximativen Gütefunktion für Test A bei Änderung
von p mit n=1000, p0=0.18 und Alpha=0.05
Güte für Test A
Quelle: eigene Darstellung

Um zu demonstrieren, wie die Approximation bei kleinen Stichproben arbeitet, wird die

Page 8
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

folgenden Darstellung herangezogen.


Grafische Darstellung der approximativen Gütefunktion für Test A bei Änderung
von p mit n=50, p0=0.18 und Alpha=0.05
Güte für Test A
Quelle: eigene Darstellung

Grafische Darstellung der approximativen Gütefunktion für Test B bei Änderung


von p mit n=1000, p0=0.03 und Alpha=0.05
Güte für Test B
Quelle: eigene Darstellung

Um zu demonstrieren, wie die Approximation bei kleinen Stichproben arbeitet, wird die
folgenden Darstellung herangezogen.
Grafische Darstellung der approximativen Gütefunktion für Test B bei Änderung
von p mit n=50, p0=0.03 und Alpha=0.05
Güte für Test B
Quelle: eigene Darstellung

Grafische Darstellung der approximativen Gütefunktion für Test C bei Änderung


von p für p0=0.5, n=1000 und Alpha=0.05.
Güte für Test C
Quelle: eigene Darstellung

Um zu demonstrieren, wie die Approximation bei kleinen Stichproben arbeitet, wird die
folgenden Darstellung herangezogen.
Grafische Darstellung der approximativen Gütefunktion für Test C bei Änderung
von p für p0=0.5, n=50 und Alpha=0.05.
Güte für Test C
Quelle: eigene Darstellung

Grafische Darstellung der approximativen Gütefunktion für Test A/B am Beispiel


von Test A bei Änderung von n für p0=0.18, p1=0.15 und Alpha=0.05
Güte für Text A
Quelle: eigene Darstellung

Grafische Darstellung der approximativen Gütefunktion für Test C bei Änderung


von n für p0=0.5, p1=0.6 und Alpha=0.05
Güte für Test C
Quelle: eigene Darstellung

Grafische Darstellung der approximativen Gütefunktion für Test A/B am Beispiel


von Test A bei Änderung von p und Veränderung von Alpha (0.01, 0.05, 0.1) mit
p0=0.18 und n=1000
Güte für Test A
Quelle: eigene Darstellung

Grafische Darstellung der approximativen Gütefunktion für Test C bei Änderung


von p und Veränderung von Alpha (0.01, 0.05, 0.1) mit p0=0.5 und n=1000
Güte für Test C
Quelle: eigene Darstellung

Page 9
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Ableitung der Gütefunktion des Tests auf Varianz im Einstichprobenproblem

Wir betrachten folgende Annahmen, siehe das Testkapitel zum Test auf .
Es seien normalverteilte Zufallsvariablen mit , und , kurz Folgende Hypothesen können
dann getestet werden:
Test Hypothesen
Test A gegen
Test B gegen
Test C gegen

Wir betrachten hier nur den (realistischen) Fall, dass unbekannt ist und damit die
Prüfgröße
.
Diese Prüfgröße ist unter mit Freiheitsgraden.
Die kritischen Werte werden also über die mit Freiheitsgraden bestimmt.
Als Entscheidungsregeln für die obigen drei Testprobleme ergeben sich somit bei
vorgegebenem Testniveau :
Test Hypothesen
ablehnen, falls
Test A
Das ist gleichbedeutend damit, dass
ablehnen, falls
Test B
Das ist gleichbedeutend damit, dass
ablehnen, falls oder
Test C Das ist gleichbedeutend damit, dass
oder

Unterhat eine Verteilung mit n-1 FG.


Damit ergibt sich für die Gütefunktionen Beta bei den Tests A, B und C:
Test Gütefunktion
Test A =
Test B =
Test C =+

Wir wollen die Berechnung der Güte des Tests auf an einem Beispiel demonstrieren

Page 10
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Beispiel für die Anwendung der Gütefunktion für den Test A


gegen
:
Sei und , d.h. .
Für ergibt sich:
==
Für ergibt sich:
==

Grafische Darstellung der exakten Gütefunktionen des Tests auf Varianz

Die Gütefunktionen für die einzelnen Tests A, B und C werden nun grafisch dargestellt
mit variablen und , um zu demonstrieren, dass mit wachsendem , und größerer Distanz
von die Güte zunimmt.
Grafische Darstellung der Gütefunktion für Test A bei Änderung von Sigma,
wobei gilt Sigma-quadrat0=0.025 quadrat, n=16 und Alpha=0.05
Güte für Test A
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test B bei Änderung von Sigma mit
Sigma-quadrat0=0.25, n=16 und Alpha=0.05
Güte für Test B
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test C bei Änderung von


mit Sigma-quadrat0=100, n=16 und Alpha=0.05
Güte für Test C
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test A/B am Beispiel von Test A bei
Änderung von n mit Sigma-quadrat0=0.025 quadrat, Sigma-quadrat1=0.0003425
und Alpha=0.05
Güte für Test A
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test C bei Änderung von n mit
Sigma-quadrat0=100 quadrat, Sigma-quadrat1=144 und Alpha=0.05
Güte für Test C
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test A/B am Beispiel von Test A bei
Veränderung von Sigma mit Sigma-quadrat0=0.000625, n=16 und Änderungen
von Alpha (0.01, 0.05, 0.1)
Güte für Test A
Quelle: eigene Darstellung

Grafische Darstellung der Gütefunktion für Test C mit Sigma-quadrat0=100, n=9 ,


bei Änderungen von Sigma und Veränderungen von Alpha (0.01, 0.05, 0.1)
Güte für Test C

Page 11
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Quelle: eigene Darstellung

Übungen zur Güte von Tests

Multiple-Choice-Aufgaben
(Genau eine der vier Alternativen ist richtig.)
Aufgabe 1:
Die Güte eines Tests ist definiert als die Wahrscheinlichkeit dafür,
(a) anzunehmen, wenn richtig ist,
(b) anzunehmen, wenn falsch ist,
(c) abzulehnen, wenn richtig ist,
(d) abzulehnen, wenn falsch ist.
Aufgabe 2:
Für den exakten Test auf gegen mit Hilfe der binomialverteilten Teststatistik T gilt:
(a) Die Güte wächst mit abnehmendem ,
(b) die Güte fällt mit wachsendem Stichprobenumfang ,
(c) die Güte fällt mit abnehmendem ,
(d) die Güte strebt gegen 1, falls p gegen strebt.
Aufgabe 3:
Für den Gauss-Test auf gegen bei bekanntem gilt:
(a) Die Güte ist für größer als für ,
(b) die Güte ist für größer als für ,
(c) die Güte ist für größer als für ,
(d) die Güte ist für größer als für falls ist.
Aufgabe 4:
Für den auf gegen gilt:
(a) Die Güte ist für kleiner als für
(b) die Güte fällt mit abnehmendem , falls
(c) die Güte ist für gleich der Güte für falls ist,
(d) die Güte strebt gegen , falls gegen strebt.
Aufgabe 5:
Zu testen sei gegen .
(a) Berechnen Sie die exakte Güte des Tests für n=20, und p=0.25, p=0.15.
(b) Berechnen Sie die exakte Güte des Tests für n=75, und p=0.25, p=0.15.
(c) Berechnen Sie die approximative Güte des Tests für n=20, und p=0.25,
p=0.15.
(d) Berechnen Sie die approximative Güte des Tests für n=75, und p=0.25,
p=0.15.
Aufgabe 6:

Page 12
(c) Projekt Neue Statistik 2003 - Lernmodul: Güte von Tests

Zu testen sei: gegen bei bekanntem .


(a) Berechnen Sie die Güte des Tests für n=10, und , .
(b) Berechnen Sie die Güte des Tests für n=20, und , .
(c) Berechnen Sie die Güte des Tests für n=10, und , .
(d) Berechnen Sie die Güte des Tests für n=20, und , .
Aufgabe 7:
Zu testen sei: gegen bei unbekanntem
(a) Berechnen Sie die Güte des Tests für n=20, und , ,
(b) Berechnen Sie die Güte des Tests für n=50, und , ,
(c) Berechnen Sie die Güte des Tests für n=20, und , ,
(d) Berechnen Sie die Güte des Tests für n=50, und , .
Aufgabe 8:
Zu testen sei: gegen unbekannt. Simulieren Sie kritische Werte der t-Statistik für , n=20
und die Güte des t-Tests für und und für Daten aus einer
(a) Standardnormalverteilung,
(b) Standardisierten Doppelexponentialverteilung
(c) Gleichverteilung über .
(d) Wiederholen Sie die Simulation für n=50.
Aufgabe 9:
Zu testen sei: gegen , unbekannt.
Simulieren Sie kritische Werte der Statistik für , n=20 und die Güte des Tests für und
und für Daten aus einer
(a) Standardnormalverteilung,
(b) Standardisierten Doppelexponentialverteilung
(c) Gleichverteilung über .
(d) Wiederholen Sie die Simulation für n=50.
approximative Gütefunktion
Erklärungexakten Gütefunktion
ErklärungFehler 1. Art
ErklärungFehler 2. Art
ErklärungGegenhypothese
ErklärungGüte
ErklärungGütefunktion
(c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme
Kontakt: http://www.neuestatistik.de

Page 13