On randomness in ordered sequences. (Q2582621)

Messungen einer Größe \(X\) mögen in der Reihenfolge \(X_1, \,X_2, \ldots \!, X_n\) anfallen. Um zu kontrollieren, ob aufeinanderfolgende Messungen voneinander unabhängig sein können, bildet Verf. den Ausdruck \[ C=1-\frac{\sum\limits_{i=1}^{n-1}(X_i-X_{i+1})^2} {2\sum\limits_{i=1}^{n}(X_i-\overline{X})^2}= \frac{x_1^2+x_n^2+2\sum\limits_{i=1}^{n-1}x_ix_{i+1}} {2\sum\limits_{i=1}^{n}x_i^2}, \] wobei \(X_i-\overline{X}=x_i\) gesetzt worden ist. Unter der Annahme, daß jede Permutation der Meßergebnisse gleichwahrscheinlich ist, gibt Verf. \textit{allgemein} die ersten vier Momente der Verteilung von \(C\) an. Falls die \(X_i\) selbst normal verteilt sind, erhält er \[ M_1=0; \quad M_2=\frac{n-2}{(n-1)(n+1)}; \quad M_3=0; \quad M_4=\frac{3(n^2+2n-12)}{(n-1)(n+1)(n+3)(n+5)}. \] In diesem Fall paßt er der Verteilung von \(C\) eine Pearson-Kurve vom Typ II an und berechnet für die Chancen 5\(\%\) und 1\(\%\) und für den Umfang \(n = 8\) bis \(n = 25\) die signifikanten Werte von \(C\). Für \(n > 25\) kann die Verteilung von \(C\) praktisch als normal angesehen werden, weshalb die Kennzahl \(C\) gegenüber dem Ausdruck \(\delta^2\) (s. die beiden vorangehenden Referate) entschieden den Vorzug verdient.