Noter til E6 - dirac
Noter til E6 - dirac
Noter til E6 - dirac
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
5.2 Lungekræft i Fredericia 61<br />
Tabel 5.6 De forventede antal by ij af lungekræft<strong>til</strong>fælde under den multiplikative<br />
Poissonmodel.<br />
aldersklasse Fredericia Horsens Kolding Vejle i alt<br />
40-54<br />
55-59<br />
60-64<br />
65-69<br />
70-74<br />
75+<br />
11.01<br />
8.64<br />
11.64<br />
12.20<br />
11.66<br />
8.95<br />
7.45<br />
8.41<br />
10.88<br />
12.59<br />
10.44<br />
8.32<br />
7.80<br />
7.82<br />
10.13<br />
10.17<br />
8.45<br />
6.73<br />
6.91<br />
7.23<br />
10.48<br />
10.10<br />
9.41<br />
6.98<br />
33.17<br />
32.10<br />
43.13<br />
45.06<br />
39.96<br />
30.98<br />
i alt 64.10 58.09 51.10 51.11 224.40<br />
modellens brugbarhed. Vi <strong>til</strong>lader os at gå ud fra at modellen faktisk<br />
er anvendelig, dvs. at lungekræftrisikoen afhænger multiplikativt af by og<br />
alder.<br />
Hermed er vi nået frem <strong>til</strong> en statistisk model der beskriver data<br />
ved hjælp af nogle by-parametre og nogle alders-parametre, men uden<br />
parametre svarende <strong>til</strong> en vekselvirkning mellem by og alder. Det betyder<br />
at den forskel der er mellem byerne, er den samme for alle aldersklasser,<br />
og at den forskel der er mellem aldersklasserne, er den samme i alle byer.<br />
Når vi skal sammenligne byerne kan vi derfor gøre det ved udelukkende<br />
at betragte β-erne.<br />
Ens byer?<br />
Det hele går ud på at undersøge om der er signifikant forskel på byerne.<br />
Hvis der ikke er nogen forskel på byerne, så har de samme parametre, dvs.<br />
β 1 = β 2 = β 3 = β 4 , og da β 1 = 1, må den fælles værdi være 1. Derfor vil<br />
vi teste den statistiske hypotese<br />
H 1 : β 1 = β 2 = β 3 = β 4 = 1.<br />
Hypotesen skal testes i forhold <strong>til</strong> den aktuelle grundmodel H 0 , så teststørrelsen<br />
bliver<br />
Q =<br />
L 1 (̂α 1 , ̂α 2 , ̂α 3 , ̂α 4 , ̂α 5 , ̂α 6 )<br />
L 0 (̂α 1 , ̂α 2 , ̂α 3 , ̂α 4 , ̂α 5 , ̂α 6 ,1, ̂β 2 , ̂β 3 , ̂β 4 )<br />
hvor<br />
L 1 (α 1 , α 2 , . . . , α 6 ) = L 0 (α 1 , α 2 , . . . , α 6 , 1, 1, 1, 1)<br />
er likelihoodfunktionen under H 1 , og hvor ̂α 1 , ̂α 2 , . . . , ̂α 6 er estimaterne<br />
over α 1 , α 2 , . . . , α 6 under H 1 , dvs. (̂α 1 , ̂α 2 , . . . , ̂α 6 ) er maksimumspunktet<br />
for L 1 .