Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
20 Kapitel 3: Nicht-Unterlegenheitstests im 2-Stichprobenfall unter Normalverteilung<br />
Testen der standardisierten Differenz δ std<br />
Bei Verwendung der standardisierten Differenz als Äquivalenzparameter treten diese Probleme<br />
nicht auf. In diesem Fall wird die <strong>Tests</strong>tatistik T d mit ∆ = 0 verwendet,<br />
T s =<br />
x R − x<br />
√ T<br />
.<br />
s 1 p n R<br />
+ 1<br />
n T<br />
<strong>Die</strong> <strong>Tests</strong>tatistik T s folgt einer nicht-zentralen t-<strong>Verteilung</strong> mit n R + n T − 2 Freiheitsgraden<br />
und Nichtzentralitätsparameter<br />
ncp s :=<br />
µ R − µ T<br />
=<br />
σ√<br />
1<br />
n R<br />
+ 1<br />
n T<br />
δ std<br />
√<br />
1<br />
n R<br />
+ 1<br />
n T<br />
. (3.4)<br />
Um einen Test durchzuführen, muss das α-Quantil einer nicht-zentralen t-<strong>Verteilung</strong> berechnet<br />
werden. <strong>Die</strong> Hypothese H 0 : δ std ≥ ∆ wird verworfen <strong>für</strong><br />
T s < (t nR +n T −2,ncp s(∆)) α ,<br />
wobei ncp s (∆) der Nichtzentralitätsparameter aus (3.4) mit δ std = ∆ ist.<br />
Lehmann (1986, p. 294) hat gezeigt, dass dieser nicht-zentrale t-Test in der Klasse der invarianten<br />
<strong>Tests</strong> bezüglich Skalentransformationen der Test mit gleichmäßig größter Power ist.<br />
Es lässt sich zeigen, dass der <strong>Likelihood</strong>-<strong>Quotienten</strong>-Test bezüglich Skalentransformationen<br />
ebenfalls invariant und nicht äquivalent zum hier betrachteten Test ist. Nach Lehmann (1986)<br />
weist aber der hier betrachtete Test eine bessere Power als der <strong>Likelihood</strong>-<strong>Quotienten</strong>-Test<br />
auf. Somit ist der <strong>Likelihood</strong>-<strong>Quotienten</strong>-Test nicht weiter zu betrachten. Da unter der Hypothese<br />
die Differenz der Mittelwerte durch die Standardabweichung beschränkt ist, wären <strong>für</strong><br />
die Bestimmung <strong>des</strong> eingeschränkten ML-Schätzers weitere numerische Berechnungen nötig.<br />
3.3 Power- und Fallzahlberechnungen<br />
<strong>Die</strong> <strong>Verteilung</strong> der <strong>Tests</strong>tatistiken T d , T r und T s ist bei normalverteilten Daten <strong>für</strong> jede Parameterkonstellation<br />
(µ R , µ T , σ 2 ) bekannt. Folglich ist es möglich bei gegebenen Fallzahlen<br />
die Power und die minimal benötigten Fallzahlen bei zu erreichender Power <strong>für</strong> alle drei<br />
Abstandsmaße zu berechnen.<br />
Testen der Differenz δ md<br />
<strong>Die</strong> <strong>Tests</strong>tatistik T d ist nicht-zentral t-verteilt mit n R + n T − 2 Freiheitsgraden und Nichtzentralitätsparameter<br />
ncp d gegeben in (3.2). Demnach kann die Power <strong>für</strong> festgelegte Fallzahlen<br />
n R und n T und einen Abstand δ md (< ∆) berechnet werden nach<br />
1 − β = P δmd (T d < (t nR +n T −2) α ) = F nR +n T −2,ncp d<br />
((t nR +n T −2) α ) , (3.5)<br />
wobei F m,ncp die kumulative <strong>Verteilung</strong>sfunktion der nichtzentralen t-<strong>Verteilung</strong> mit m Freiheitsgraden<br />
und Nichtzentralitätsparameter ncp ist. <strong>Die</strong>se Funktion ist in den meisten Softwarepaketen<br />
verfügbar.