Glaubwürdigkeitsintervall

Aus testwiki
Version vom 5. September 2024, 17:40 Uhr von imported>FerdiBf (Definition: Formulierung und Komma)
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Zur Navigation springen Zur Suche springen

In der Statistik ist ein Glaubwürdigkeitsintervall, auch Kredibilitätsintervall genannt, das bayessche Pendant zum Konfidenzintervall in der frequentistischen Statistik. Bayessche Intervallschätzer werden von der A-Posteriori-Verteilung abgeleitet. Um sie von den Konfidenzintervallen zu unterscheiden, die eine andere Interpretation haben, werden sie Glaubwürdigkeitsintervalle genannt. Das Glaubwürdigkeitsintervall besagt, dass der unbekannte Parameter ϑ mit Wahrscheinlichkeit γ in diesem Intervall liegt.

Das Höchste-Dichte 90% Glaubwürdigkeitsinterval (nicht symmetrisch) basierend auf einer A-posteriori-Verteilung.

Definition

Für ein fest vorgegebenes γ(0,1) ist ein γ100%-Glaubwürdigkeitsintervall für ϑ zum Glaubwürdigkeitsniveau γ (auch: ein γ-Glaubwürdigkeitsintervall) durch zwei reelle Zahlen tl und tu definiert, welche[1]

tltuf(ϑx)dϑ=γ

erfüllen. Hierbei stellt f(ϑx) die A-Posteriori-Verteilung dar.

Der einfachste Weg zur Konstruktion eines Glaubwürdigkeitsintervall besteht darin, die Gewichte in den Rändern der A-Posteriori-Verteilung symmetrisch zu konstruieren: tl als das (1γ)/2-Quantil und tu als das (1+γ)/2-Quantil der A-Posteriori-Verteilung. Um solche Glaubwürdigkeitsintervalle zu berechnen, muss man die Quantile der A-Posteriori-Verteilung berechnen.

Interpretation

Da der unbekannte Parameter ϑx eine Zufallsvariable ist, kann man sagen, dass ϑx in einem γ100%-Glaubwürdigkeitsintervall mit Wahrscheinlichkeit γ liegt.[1] Im Gegensatz zu dieser Interpretation besagt ein Konfidenzintervall, dass wenn man das Zufallsexperiment auf identische Art und Weise wiederholt, dann wird ein γ100%-Konfidenzintervall den unbekannten Parameter ϑ in γ100% aller Fälle überdecken.

Siehe auch

Einzelnachweise

  1. 1,0 1,1 Leonhard Held, Daniel Sabanés Bové: Applied Statistical Inference: Likelihood and Bayes. Springer, Heidelberg / New York / Dordrecht / London 2014, ISBN 978-3-642-37886-7, S. 172.