Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3.3 Power- und Fallzahlberechnungen 25<br />
∆<br />
µ T /σ<br />
Abbildung 3.2: Benötigte Fallzahl <strong>für</strong> die <strong>Tests</strong>tatistik T r unter der Alternative δ mr = 1 und<br />
einer Power von 80%.<br />
Abbildung 3.2 zeigt die benötigte Fallzahl <strong>für</strong> die <strong>Tests</strong>tatistik T r unter der Alternative<br />
δ mr = 1, d.h. µ T = µ R , <strong>für</strong> eine Power von 80% in Abhängigkeit der Nicht-Unterlegenheitsmarge<br />
∆ und <strong>des</strong> Kehrwertes <strong>des</strong> Variationskoeffizienten µ T /σ. Abbildung 3.2 stellt heraus,<br />
dass bei fallenden µ T die benötigten Fallzahlen steigen. Es besteht also eine Abhängigkeit<br />
der benötigten Fallzahlen von der Lokation der Daten. <strong>Die</strong>se Beobachtung steht in Übereinstimmung<br />
mit dem Problem der Invarianz bezüglich Shifts in den Daten beim Testen <strong>des</strong><br />
<strong>Quotienten</strong> δ mr . In Abbildung 3.3 ist µ T /σ = 10 festgehalten und die benötigte Fallzahl in<br />
Abhängigkeit von der Nicht-Unterlegenheitsmarge abgetragen.<br />
Testen der standardisierten Differenz δ std<br />
Unter Verwendung der standardisierten Differenz als Abstandsmaß lässt sich die Power <strong>für</strong><br />
gegebenen Wert von δ std (< ∆) berechnen nach<br />
1 − β = P δstd (T s < (t nR +n T −2,ncp s (∆)) α )<br />
= F nR +n T −2,ncp s<br />
((t nR +n T −2,ncp s(∆)) α ) ,<br />
wobei ncp s (∆) der Nichtzentralitätsparameter aus (3.4) ist, mit δ std = ∆. Wie bei der Differenz<br />
δ md erhält man mit gleichen Argumenten, dass die Stichproben <strong>für</strong> δ std vom gleichen<br />
Umfang (ɛ = 1) sein müssen, um die Power zu maximieren.<br />
3.3.1 Rechenprobleme und Approximationen <strong>für</strong> große Stichproben<br />
Wenn kein statistisches Softwarepaket <strong>für</strong> die Berechnung der nicht-zentralen t-<strong>Verteilung</strong><br />
zur Verfügung steht, kann die folgende Approximation <strong>des</strong> α-Quantils der nicht-zentralen<br />
t-<strong>Verteilung</strong> benutzt werden (Johnson und Welch, 1940, p. 207). Zudem ergeben sich aus<br />
den folgenden Überlegungen einfache <strong>asymptotische</strong> Formeln <strong>für</strong> die Powerberechnung, welche,<br />
wie sich herausstellen wird, zu befriedigenden und zweckmäßigen Lösungen führen. Für