{"entities":{"Q2599486":{"pageid":2610229,"ns":120,"title":"Item:Q2599486","lastrevid":44445684,"modified":"2025-11-22T23:56:06Z","type":"item","id":"Q2599486","labels":{"en":{"language":"en","value":"Analytical inequalities and statistical tests."}},"descriptions":{"en":{"language":"en","value":"scientific article; zbMATH DE number 2518663"}},"aliases":{},"claims":{"P31":[{"mainsnak":{"snaktype":"value","property":"P31","hash":"fd5912e4dab4b881a8eb0eb27e7893fef55176ad","datavalue":{"value":{"entity-type":"item","numeric-id":56887,"id":"Q56887"},"type":"wikibase-entityid"},"datatype":"wikibase-item"},"type":"statement","id":"Q2599486$114666DE-E415-4E4B-8470-1FF0DBFEE50D","rank":"normal"}],"P159":[{"mainsnak":{"snaktype":"value","property":"P159","hash":"713a083a9367d9d90d76397cdb4d535574217d70","datavalue":{"value":{"text":"Analytical inequalities and statistical tests.","language":"en"},"type":"monolingualtext"},"datatype":"monolingualtext"},"type":"statement","id":"Q2599486$363F8E81-4B35-4A0A-A961-7C2BD82B5D56","rank":"normal"}],"P225":[{"mainsnak":{"snaktype":"value","property":"P225","hash":"016d2f9c733389c646546238f9e14f150aff4559","datavalue":{"value":"64.1216.02","type":"string"},"datatype":"external-id"},"type":"statement","id":"Q2599486$B4E674C9-2656-4EFF-B413-7B0C8567118E","rank":"normal"}],"P16":[{"mainsnak":{"snaktype":"value","property":"P16","hash":"6b6cc904ce917bc80a4f2cc1a787ea2cf9ba3fdc","datavalue":{"value":{"entity-type":"item","numeric-id":558803,"id":"Q558803"},"type":"wikibase-entityid"},"datatype":"wikibase-item"},"type":"statement","id":"Q2599486$1488C4C6-CEB0-4387-937D-A98AB28432C5","rank":"normal"}],"P200":[{"mainsnak":{"snaktype":"value","property":"P200","hash":"51933362e0993debed39a310e5633e3e81f0d264","datavalue":{"value":{"entity-type":"item","numeric-id":2579939,"id":"Q2579939"},"type":"wikibase-entityid"},"datatype":"wikibase-item"},"type":"statement","id":"Q2599486$CD8D0DBD-806C-4C6D-A712-FF9F95692F13","rank":"normal"}],"P28":[{"mainsnak":{"snaktype":"value","property":"P28","hash":"f858b81427e0400eb7de4859b32f6d4c81a704f4","datavalue":{"value":{"time":"+1938-00-00T00:00:00Z","timezone":0,"before":0,"after":0,"precision":9,"calendarmodel":"http://www.wikidata.org/entity/Q1985727"},"type":"time"},"datatype":"time"},"type":"statement","id":"Q2599486$3CDBD705-58F9-4411-A392-37DADB2E1860","rank":"normal"}],"P1448":[{"mainsnak":{"snaktype":"value","property":"P1448","hash":"f401dfbf5c2652d581d17ee5ab5eced95357266e","datavalue":{"value":"Verf. kehrt das in der angewandten Mathematik \u00fcbliche Verfahren derart um, da\u00df er sich die Frage vorlegt, ``f\u00fcr welche konkreten Probleme eine bestimmte Klasse von mathematischen Hilfsmitteln geeignet ist''. Und zwar untersucht er die Anwendbarkeit verschiedener bekannter analytischer Ungleichungen auf die Konstruktion statistischer Ma\u00dfzahlen. \\[ \\displaylines{\\rlap{\\qquad\\!(1)} \\hfill \\begin{matrix}\\,&\\;&\\;&\\\\ a_{11},&\\,a_{12},&\\dots,&a_{1m}\\\\ a_{21},&\\,a_{22},&\\dots,&a_{2m}\\\\ \\spaceinnerhdots{1.4}\\for{4}\\after\\;\\\\ a_{n1},&a_{n2},&\\dots,&a_{nm}\\end{matrix} \\hfill} \\] sei eine Matrix reeller Zahlen, \\[ c_{ih}=\\frac{\\textstyle \\sum\\limits_{k}a_{ik}\\,a_{hk}}{\\sqrt{\\sum\\limits_{k} a_{ik}^2\\sum\\limits_{k}a_{hk}^2}},\\quad\\;K_n=\\begin{vmatrix}\\l\\;&\\;&\\;&\\\\ 1&c_{12},&\\dots,&c_{1n}\\\\ c_{21}&1,&\\dots,&c_{2n}\\\\ \\spaceinnerhdots{1.6}\\for{4}\\after\\;\\\\ c_{n1}&c_{n2},&\\dots,&1\\,\\end{vmatrix}. \\] Nach der verallgemeinerten Cauchyschen Ungleichung ist \\(0\\leqq K_n\\leqq 1\\). Die Bedeutung dieser Beziehung in der Theorie der Mehrfachkorrelation ist bekannt. Sind jedoch die \\(a_{ik}\\) die H\u00e4ufigkeiten zweidimensionaler Merkmale \\((x_i, y_k)\\), so kann \\(K_{n}\\) als eine Art Kontingenzkoeffizient aufgefa\u00dft werden. Aus \\(K_{n} = 0\\) folgt, da\u00df die Zeilen in (1) linear abh\u00e4ngig sind, so da\u00df \\(x\\) in gewissem Sinne von \\(y\\) unabh\u00e4ngig ist. Aus \\(K_{n} = 1\\) folgt die funktionelle Abh\u00e4ngigkeit von \\(x\\) und \\(y\\) in dem Sinne, da\u00df z. B. bei \\(m = n\\) in jeder Zeile und in jeder Spalte von (1) je eine von 0 verschiedene H\u00e4ufigkeit \\(a_{ik}\\) steht. Sind andererseits die \\(a_{ik}\\) die Werte von Gr\u00f6\u00dfen \\(a_{\\imath}\\) (\\(i - 1\\), 2,\\dots, \\(n\\)), die diese unter dem Einflu\u00df gewisser Faktoren \\(B_k\\)\\, (\\(k = 1\\), 2,\\dots, \\(m\\)) annehmen (z. B. die Ernteertr\u00e4ge von \\(n\\) Getreidearten), so kann \\(K_{n}\\) als ein ``Kriterium der \u00c4hnlichkeit der Einwirkung'' aufgefa\u00dft werden. \\(K_{n} = 0\\) bedeutet, da\u00df die Faktoren \\(B_k\\) auf die Gr\u00f6\u00dfen \\(a_{i}\\) in gleicher Weise einwirken, w\u00e4hrend aus \\(K_{n}=1\\) die extreme Verschiedenheit der Einfl\u00fcsse in dem Sinne folgt, da\u00df in jedem Paar \\(a_{ik}\\), \\(a_{jk}\\) (\\(k=1\\), 2,\\dots, \\(m\\); \\(i\\neq j\\)) eine der beiden Gr\u00f6\u00dfen verschwinden mu\u00df. Sind \\(x_{i}\\), \\(y_{i}\\)\\, (\\(i= 1\\), 2,\\dots, \\(n\\)) die beobachteten Werte der Zufallsvariablen \\(x\\), \\(y\\), die nur positiver Werte f\u00e4hig sind, so gilt f\u00fcr die Gr\u00f6\u00dfe \\[ r_k=\\frac{\\textstyle \\sum x_iy_i}{(\\sum x_i^k)^{\\tfrac{1}{k}}(\\sum y_i^{k'})^{\\tfrac{1}{k'}}}\\quad\\Bigl(k\\neq0, \\neq1, k'=\\dfrac{k}{k-1}\\Bigr) \\] nach der H\u00f6lderschen Ungleichung \\(r_{k}\\leqq 1\\) f\u00fcr \\(k>1\\), \\(r_{k}\\geqq 1\\) f\u00fcr \\(0 < k < 1\\). \\(r_{k} = 1\\) gilt in beiden F\u00e4llen nur dann, wenn \\(y_i=Cx_i^{k-1}\\) (\\(i = 1\\), 2,\\dots, \\(n\\)) erf\u00fcllt ist. \\(r_{k}\\) kann demnach als ein Ma\u00df der ``potenziellen Verbundenheit'' von \\(x\\) und \\(y\\) dienen. Die \\(a_{ik}\\) in (1) seien wieder die beobachteten H\u00e4ufigkeiten zweidimensionaler Merkmale \\((x_i, y_k)\\) und \\(G(u_k)\\) das geometrische Mittel von \\(u_1\\), \\(u_{2}\\),\\dots, \\(u_{m}\\). Dann gilt f\u00fcr die Gr\u00f6\u00dfe \\[ K=\\frac{G(a_{1k})+G(a_{2k})+\\dots +G(a_{nk})}{G(a_{1k}+a_{2k}+\\dots +a_{nk})} \\] nach einer Verallgemeinerung der H\u00f6lderschen Ungleichung \\(0\\leqq K\\leqq 1\\). Nimmt man an, da\u00df in (1) in keiner Zeile lauter Nullen stehen, so gilt \\(K=1\\) nur dann, wenn je zwei Zeilen (und damit je zwei Kolonnen) in (1) einander proportional sind, also bei stochastischer Unabh\u00e4ngigkeit von \\(x\\) und \\(y\\). Dagegen l\u00e4\u00dft der Fall \\(K=0\\) im allgemeinen keine eindeutige statistische Interpretation zu. Sind die \\(a_{ik}\\) wieder H\u00e4ufigkeiten und \\[ H_r=\\frac{[\\sum (a_{1k}+a_{2k}+\\dots +a_{nk})^r]^{\\tfrac{1}{r}}}{(\\sum a_{1k}^r)^{\\tfrac{1}{r}}+\\dots +(\\sum a_{nk}^r)^{\\tfrac{1}{r}}}, \\] so ist im Falle \\(r > 1\\) nach der Minkowskischen Ungleichung \\(H_{r}\\leqq 1\\), ferner \\(H_r\\geqq m^{\\frac{1}{r}-1}\\) im Falle \\(m = n\\). Diese untere Grenze wird dann und nur dann erreicht, wenn in jeder Zeile und in jeder Spalte von (1) nur eine von 0 verschiedene H\u00e4ufigkeit steht und alle diese H\u00e4ufigkeiten einander gleich sind. Aus \\(H_{r}=1\\) folgt die stochastische Unabh\u00e4ngigkeit der Merkmale. \\(H_{r}\\) kann demnach als Kontingenzma\u00df gelten. \u00c4hnlich wie \\(K_{n}\\) lassen sich auch \\(K\\) und \\(H_{r}\\) als Kriterien der \u00c4hnlichkeit der Einwirkung auffassen, wenn die \\(a_{ik}\\) Werte der positiven Zufallsvariablen \\(x_{1}\\), \\(x_{2}\\),\\dots , \\(x_{n}\\) in \\(m\\) Versuchen sind. Aus \\(K = 1\\) oder \\(H_{r}=1\\) folgt \\(x_i=\\alpha _it\\)(\\(i = 1\\), 2,\\dots, \\(n\\)), so da\u00df zwischen den Gr\u00f6\u00dfen \\(x_{i}\\) eine ``lineare \u00c4hnlichkeit'' besteht. Endlich kann \\(H_{r}\\) mit \\(n = 2\\) als eine Art Korrelationskoeffizient dienen, wobei aus \\(H_{r} = 1\\) die lineare funktionelle Abh\u00e4ngigkeit der Gr\u00f6\u00dfen \\(x_{1}\\) und \\(x_{2}\\) mit den beobachteten Werten \\(a_{1k}\\), \\(a_{2k}\\) (\\(k = 1\\), 2,\\dots, \\(m\\)) folgt. Sind die Zahlen \\(a_1\\), \\(a_2\\),\\dots, \\(a_{n}\\) positiv und \\[ M_r=\\Bigl(\\frac{1}{n}\\sum a_i^r\\Bigr)^\\tfrac{1}{r},\\qquad L=\\frac{M_r}{M_s}, \\] so gilt im Falle \\(0 < r < s\\) stets \\(0