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.
3.3 Power- und Fallzahlberechnungen 23<br />
<strong>für</strong> beliebiges z ∈ R. Somit gilt <strong>für</strong> beliebiges c, dass die Funktion F m,z (ncp) − c <strong>für</strong> festes z<br />
höchstens einen Vorzeichenwechsel hat, was die strikte Monotonie von F m,z (ncp) in ncp nach<br />
sich zieht.<br />
Zur Vereinfachung wird F (ncp) statt F m,z (ncp) geschrieben. Es bleibt zu zeigen, dass F (ncp)<br />
eine fallende Funktion ist. Gesetzt wird<br />
k := F (ncp 1) + F (ncp 2 )<br />
2<br />
<strong>für</strong> beliebige ncp 1 , ncp 2 ∈ R mit ncp 1 ≠ ncp 2 . Nach Definition von k und der strikten Monotonie<br />
von F (ncp) gilt:<br />
oder<br />
und somit zusammen mit (3.10)<br />
F (ncp 1 ) < k < F (ncp 2 )<br />
F (ncp 2 ) < k < F (ncp 1 )<br />
S + (F (ncp) − k) = 1 .<br />
Da F (ncp) ∈ ]0, 1[ <strong>für</strong> alle ncp ∈ R gilt, erhält man k ∈ ]0, 1[. <strong>Die</strong>ses liefert<br />
S − (1 (−∞,z] (x) − k) = 1<br />
IS − (1 (−∞,z] (x) − k) = + .<br />
Somit schließt man mit der variationsreduzierenden Eigenschaft (3.9)<br />
IS + (F (ncp) − k) = IS − (1 (−∞,z] (x) − k) = + .<br />
Zusammenfassend ist F (ncp) − k eine strikt monotone Funktion, welche <strong>für</strong> ausreichend kleinen<br />
ncp positiv ist und dann einen Vorzeichenwechsel hat. Somit muss F (ncp)−k und folglich<br />
F (ncp) eine strikt monotone Funktion sein.<br />
Im Folgenden wird ein direkter und intuitiverer Beweis <strong>des</strong> Lemmas 3.1 dargestellt.<br />
Beweis vom Lemma 3.1 Version B. Sei t m,ncp eine t-verteilte Zufallsvariable mit m Freiheitsgraden<br />
und Nichtzentralitätsparameter ncp. Dann lässt sich diese schreiben als<br />
t m,ncp =<br />
X ncp<br />
√<br />
Y/m<br />
mit<br />
X ncp ∼ N (µ ncp , 1) und Y ∼ χ 2 m,<br />
wobei<br />
µ ncp = C · ncp<br />
mit C := E[ √ Y/m] ≥ 1 (Nach Jensenungleichung und E[Y ] = m gilt C ≥ 1).