Chi-Quadrat-Verteilung

Chi-Quadrat-Verteilung

Studium
Q=∑i=1kZi2∼χk2,E(Q)=k,V(Q)=2kQ = \sum_{i=1}^{k} Z_i^2 \sim \chi^2_k, \qquad E(Q) = k,\quad V(Q) = 2k

Voraussetzung: Z1,…,ZkZ_1, \ldots, Z_k unabhängig und standardnormalverteilt,, k∈Nk \in \mathbb{N}

QQ
Chi-Quadrat-verteilte Zufallsgröße, nimmt nur Werte ab 0 an
ZiZ_i
unabhängige standardnormalverteilte Zufallsgrößen, also N(0, 1)
kk
Anzahl der Freiheitsgrade
χk2\chi^2_k
Chi-Quadrat-Verteilung mit k Freiheitsgraden
E(Q),V(Q)E(Q), V(Q)
Erwartungswert und Varianz von Q

Die Summe von k quadrierten unabhängigen Standardnormalverteilten ist Chi-Quadrat-verteilt mit Erwartungswert k und Varianz 2k.

Erklärung

Quadriert man kk unabhängige standardnormalverteilte Zufallsgrößen und addiert sie, erhält man eine Chi-Quadrat-verteilte Größe mit kk Freiheitsgraden. Sie nimmt nur Werte Q≥0Q \geq 0 an und ist rechtsschief; mit wachsendem kk wird sie symmetrischer und nähert sich der Normalverteilung N(k,2k)N(k, 2k).

Erwartungswert und Varianz folgen direkt aus der Summe: Für Z∼N(0,1)Z \sim N(0, 1) ist E(Z2)=1E(Z^2) = 1 und E(Z4)=3E(Z^4) = 3, also V(Z2)=3−1=2V(Z^2) = 3 - 1 = 2. Wegen der Unabhängigkeit addieren sich Erwartungswerte und Varianzen:

E(Q)=k⋅1=k,V(Q)=k⋅2=2kE(Q) = k \cdot 1 = k, \qquad V(Q) = k \cdot 2 = 2k

Die Dichte für x>0x > 0 lautet

fk(x)=xk/2−1 e−x/22k/2 Γ ⁣(k2)f_k(x) = \frac{x^{k/2 - 1}\, e^{-x/2}}{2^{k/2}\, \Gamma\!\left(\frac{k}{2}\right)}

Für k=2k = 2 ist das die Exponentialverteilung mit Rate 12\frac{1}{2}. Weitere Eigenschaften:

  • Additivität: Sind Q1∼χk12Q_1 \sim \chi^2_{k_1} und Q2∼χk22Q_2 \sim \chi^2_{k_2} unabhängig, ist Q1+Q2∼χk1+k22Q_1 + Q_2 \sim \chi^2_{k_1 + k_2}.
  • Stichprobenvarianz: Bei einer normalverteilten Stichprobe vom Umfang nn ist (n−1)S2σ2∼χn−12\frac{(n-1)S^2}{\sigma^2} \sim \chi^2_{n-1}. Ein Freiheitsgrad geht verloren, weil μ\mu durch Xˉ\bar{X} geschätzt wird.
  • Tests: Die Testgrößen des Chi-Quadrat-Anpassungstests und des Unabhängigkeitstests sind für großen Stichprobenumfang näherungsweise Chi-Quadrat-verteilt.

Wichtige Quantile χk; q2\chi^2_{k;\,q} mit P(Q≤χk; q2)=qP(Q \leq \chi^2_{k;\,q}) = q:

kkχk; 0,952\chi^2_{k;\,0{,}95}χk; 0,992\chi^2_{k;\,0{,}99}
13,8416,635
25,9919,210
37,81511,345
49,48813,277
511,07015,086
1018,30723,209

Beispiele

Für k=2k = 2 ist die Verteilungsfunktion F(x)=1−e−x/2F(x) = 1 - e^{-x/2}. Am Tabellenwert 5,9915{,}991:

P(Q≤5,991)=1−e−5,991/2≈0,950P(Q \leq 5{,}991) = 1 - e^{-5{,}991/2} \approx 0{,}950

Für k=1k = 1 ist Q=Z2Q = Z^2, also P(Q≤c)=P(∣Z∣≤c)P(Q \leq c) = P(|Z| \leq \sqrt{c}). Deshalb ist das 95 %95\,\%-Quantil das Quadrat des zweiseitigen Normalverteilungsquantils: 1,962≈3,841{,}96^2 \approx 3{,}84.

Für k=10k = 10 ist E(Q)=10E(Q) = 10, V(Q)=20V(Q) = 20 und die Standardabweichung 20≈4,47\sqrt{20} \approx 4{,}47.

Typische Fehler

  • Die Varianz gleich kk setzen. Der Erwartungswert ist kk, die Varianz 2k2k.
  • Nicht standardisierte Größen quadrieren. Für Xi∼N(μ,σ2)X_i \sim N(\mu, \sigma^2) ist erst ∑(Xi−μσ)2\sum \left(\frac{X_i - \mu}{\sigma}\right)^2 Chi-Quadrat-verteilt.
  • Die Freiheitsgrade falsch zählen. Werden Parameter aus den Daten geschätzt, sinkt die Zahl der Freiheitsgrade, z.B. n−1n - 1 statt nn bei der Stichprobenvarianz.
  • Zweiseitig wie bei der Normalverteilung testen. Die Chi-Quadrat-Verteilung ist nicht symmetrisch. Anpassungs- und Unabhängigkeitstest lehnen nur bei zu großen Werten ab; bei einem zweiseitigen Test (etwa für eine Varianz) braucht man zwei verschiedene Quantile, z.B. χk; 0,0252\chi^2_{k;\,0{,}025} und χk; 0,9752\chi^2_{k;\,0{,}975}, nicht ±\pm denselben Wert.

Verwandte Formeln