27.08.2014 Aufrufe

Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...

Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...

Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Kapitel 3<br />

Nicht-Unterlegenheitstests im<br />

2-Stichprobenfall unter<br />

Normalverteilung<br />

In diesem Kapitel werden unter der Annahme von zwei normalverteilten Stichproben Nicht-<br />

Unterlegenheitstests konstruiert, wobei die exakten <strong>Verteilung</strong>en der zugehörigen <strong>Tests</strong>tatistiken<br />

unter der Hypothese wie auch unter der Alternative bekannt sind. Somit können <strong>für</strong> die<br />

Planung einer klinischen Studie die optimalen Fallzahlaufteilungen auf die beiden Stichproben<br />

berechnet und die benötigten Fallzahlen bei zu erreichender Power angegeben werden.<br />

Eine optimale Fallzahlaufteilung ist gegeben, wenn keine andere Aufteilung der Fallzahlen<br />

eine bessere Power bei gleicher Gesamtfallzahl aufweist. Im Abschnitt 3.3.1 werden Approximationen<br />

<strong>für</strong> die Fallzahlformeln aufgeführt, <strong>für</strong> den Fall, dass die exakten Formeln mangels<br />

entsprechender Software nicht angewandt werden können.<br />

3.1 Modell und Hypothesen<br />

Es werden zwei normalverteilte Stichproben betrachtet. <strong>Die</strong> Varianzen werden als homogen<br />

angenommen, d.h. die Varianzen in den beiden Gruppen sind identisch. <strong>Die</strong>se Voraussetzung<br />

ist a priori nicht immer gegeben und sollte zunächst durch einen Test überprüft werden. Im<br />

Fall von homogenen Varianzen kann der Vergleich zweier Gruppen jedoch auf den Vergleich<br />

der Mittelwerte reduziert werden, d.h. der Äquivalenzparameter, der die ”<br />

Differenz“ zwischen<br />

den Gruppen beschreibt, kann durch einen Term der Diskrepanz der Mittelwerte definiert<br />

werden. <strong>Die</strong>ses ermöglicht eine bedeutend einfachere Interpretation der Ergebnisse als im Fall<br />

heterogener Varianzen.<br />

Seien<br />

und<br />

X R1 , . . . , X RnR<br />

i.i.d.<br />

∼ N(µ R , σ 2 )<br />

X T 1 , . . . , X T nT<br />

i.i.d.<br />

∼ N(µ T , σ 2 )<br />

17

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!