On the independence of \(k\) sets of normally distributed statistical variables. (Q2615239)

Es seien \(N\) Beobachtungen gegeben, deren jede \(n\) Werte \((x_1, x_2,\dots, x_n)\) von simultanen, normal korrelierten statistischen Veränderlichen umfaßt. Aus diesen Beobachtungen kann man die normalisierte Matrix \(R= [r_{ij}]\) der mittleren quadratischen und Produktabweichungen bilden. Sie ist eine Schätzung der Korrelationsmatrix \([\varrho_{ij}]\) der Verteilung. Verf. fragt danach, wie man prüfen kann, ob die \(n\) Veränderlichen \(x\) in \(k\) unabhängige Systeme \[ x_1, x_2,\dots,x_{n_1}; x_{n_1+1},x_{n_1+2},\dots,x_{n_1+n_2};\dots \] zerfallen, gemäß der Zerlegung \(n_1 + n_2 +\dots + n_k = n\). Er leitet das Kriterium \[ \lambda=\frac{|R|}{\prod\limits_{s=1}^k|R_s|} \] her, wo \(| R |\) die Determinante von \(R\) ist und die \(|R_s|\) aneinanderstoßende Hauptunterdeterminanten der Ordnungen \(n_1\), \(n_2\),\dots, \(n_k\) sind. Er zeigt, daß \(\lambda=1\) ist, wenn die Systeme voneinander unabhängig sind, und \(\lambda<1\) sonst. (Bemerkung: Das ist ein bekannter Satz über normalisierte positiv definite Matrizen, der eng mit dem \textit{Hadamard}schen Satz über das Maximum einer Determinante verwandt ist.) Es ist ferner \(\lambda = 0\), wenn wenigstens zwei Systeme vollständig abhängig sind. Verf. untersucht die Stichprobenverteilung von \(\lambda\) sowohl exakt mit Hilfe verallgemeinerter hypergeometrischer Reihen als auch annäherungsweise als \(\chi^2\)-Verteilung. Ein numerisches Beispiel über zwei Gruppen von Variablen ist angefügt.