The dispersion of observation. (Q1463221)

1. Gegeben sei eine Reihe \(y_\nu^\prime \, (\nu = 1, \dots, s)\) von Beobachtungen der unabhängigen Größen \(y_\nu\), von denen \(f(y_\nu) = a_\nu\) und \(f(y_\nu^2) = A\) bekannt seien (\(f\) ist die mathematische Erwartung). Ist \(y^\prime = \dfrac 1s \sum\limits_1^s y_\nu^\prime\) und \(a = \dfrac 1s \sum\limits_1^s a_\nu\), so besteht die Näherungsgleichung: \[ \sum_1^s (y_\nu^\prime - y^\prime)^2 \sim \sum_1^s (A_\nu - a_\nu^2) + \sum_1^s (a_\nu - a)^2. \] 2. Liegen mehrere Beobachtungsreihen \(x_{\mu\nu}^\prime \left(\begin{matrix} \mu = 1, \dots, N \\ \nu = 1, \dots, s \end{matrix} \right)\) der unabhängigen Größen \(x_{\mu\nu}\) vor, von denen \(f(x_{\mu\nu}) = a_{\mu\nu}\) und \(f(x_{\mu\nu}^2) = A_{\mu\nu}\) bekannt seien, so besteht, wenn \[ \sum_{\nu=1}^s x_{\mu\nu}^\prime = x_\mu \;\text{ und } \;\sum_{\nu=1}^s a_{\mu\nu} = a_\mu \;\text{ sowie } \;N \cdot x^\prime = \sum_{\mu=1}^N x_\mu^\prime \;\text{ und } \;Na = \sum_{\mu=1}^N a_\mu, \] die Näherungsgleichung: \[ \sum_\mu \sum_\nu\left(x_{\mu\nu}^\prime - \frac{x_\mu^\prime} {s}\right)^2 - \sum_\mu (x_\mu^\prime - x^\prime)^2 \sim \sum_\mu \sum_\nu \left(a_{\mu\nu} - \frac{a_\mu}{s}\right)^2 \sum_\mu (a_\mu - a)^2. \] Ist nun die rechte Seite \(\left\{{\overset{ =}{>} \atop <}\right\} \, 0\), so liegt nach der Definition des Verfassers \[ \text{eine } \left\{\begin{matrix} \l \\ \text{ Bernoulli } \\ \text{ Lexis } \\ \text{ Poisson } \end{matrix} \right\}\text{sche Reihe vor, \;d. h. } \;\left\{\begin{matrix} \l \\ \text{ normale } \\ \text{ übernormale } \\ \text{ unternormale } \end{matrix} \right\} \text{ Dispersion.} \] 3. Nehmen die Größen \(x_{\mu\nu}\) nur die Werte 1 oder 0 mit den Wahrscheinlichkeiten \(p_{\mu\nu}\) und \(q_{\mu\nu}\) an: \[ \left(f(x_{\mu\nu}) = f(x_{\mu\nu}^2) = p_{\mu\nu}; \quad p_\mu = \frac 1s \sum_{\nu=1}^s p_{\mu\nu}; \quad p = \frac 1N \sum_{\mu=1}^N p_\mu\right), \] so besteht die Näherungsgleichung: \[ \frac 1N \sum_\mu (x_\mu^\prime - x^\prime)^2 \sim spq \frac 1N \sum_\mu \sum_\nu (p_{\mu\nu} - p_\mu)^2 + \frac{s(s-1)}{N} \sum_\mu (p_\mu - p)^2. \] Es besteht normale Dispersion, wenn \(p_{\mu\nu} = p_\mu = p\); übernormale Dispersion, wenn \(p_{\mu\nu} = p_\mu \neq p\); unternormale Dispersion, wenn \(p_{\mu\nu} \neq p_\mu = p\).