Parametertests bei Bernoulli-Experimenten
- Exakter Binomialtest:
- Ausgangspunkt
- n unabhängige Bernoulli-Experimente
("Erfolg", "Misserfolg")
- unbekannte Erfolgswahrscheinlichkeit p
- Nullhypothesen
- H0a: p ≤ p0 bzw. H0b:
p ≥ p0 bzw. H0c: p = p0
- Testgröße T = Zahl der Erfolge, wobei T ~
B(n, p0)
- T hat kumulative Verteilungsfunktion FBn,p0,
s.o.
- Problem
- FB nimmt nur einige diskrete Wert an, deswegen
hat
- P(T > c| H0) = α
⇔ FBn,p0(c) = 1 - α
- i.a. keine Lösung
- stattdessen sucht man
- analog für die anderen Fälle
- H0 wird verworfen falls
- T ≥ ca
- T ≤ cb
- T ≤ cc1 oder T ≥ cc2
- Berechnung der c-Werte
- für große n etwas mühsam
- in Matlab/STB kein Problem
- FBn,p(k) = binocdf(k,
n, p)
- binoinv ist Inverses von
binocdf
- statt c zu berechnen, hier leichter p-Wert, etwa im
Fall a
- pWert = P(T ≥ T(x) | H0) = 1 - FBn,p0(T(x))
- Abschätzen der Ausschussquote:
- bei Schraubenproduktion entsteht Ausschuss (z.B.
Grate im Gewinde)
- Anteil soll mit neuer Maschine ≤ 0.5 % sein
- Nullhypothese: pAusschuss ≤ 0.005
- Alternative: pAusschuss >
0.005
- gewählt werde α = 0.05
- Stichprobe von n = 2000 liefert T = 13 Ausschussteile
- ca = 15 → Hypothese wird akzeptiert
- pWert = 0.1350 ≥ α, alles ok
- Genäherter Binomialtest:
- für große n Rechnung erleichtern durch
Standardisierung und zentralen Grenzwertsatz
- mit Z ~ N(0,1)
- verwerfen also für T > ca
- analog für die Fälle b, c
- Faustregel: ab n p0 (1 - p0)
> 9
- noch genauer mit Stetigkeitskorrektur
- im Schrauben-Beispiel
- n p0 (1 - p0) = 9.95 →
passt so gerade
- ca = 15.1885
- liefert hier gleiches Ergebnis
- Exakter Test nach Fisher:
- Vergleich der Wahrscheinlichkeiten px, py
zweier Bernoulli-Experimente Xi (i = 1...n), Yj
(j = 1...m)
- H0: px = py, H1:
px ≠ py
- gemessen werde Zahl der Erfolge Tx, Ty
- Grundidee
- halte K = Tx + Ty fest
(Gesamtzahl an Erfolgen)
- betrachte Tx unter der Annahme von
festem K = k (und der Annahme px = py)
- man kann zeigen, dass Tx dann
hypergeometrisch verteilt ist [Ross2, Zabluchko]
- man wird H0 ablehnen, falls (mit x1
:= Tx(X))
- mit
- mit Matlabs hygecdf leicht
auszurechnen
- p-Wert: pW = 2 min {p1, p2}
- Wirksamkeit eines Medikaments:
- Studie will Wirksamkeit eines Medikaments prüfen
- n = 100 Personen bekommen Medikament
(Behandlungsgruppe), davon werden 40 gesund
- m = 120 Personen bekommen Placebo
(Kontrollgruppe), davon werden 42 gesund
- Darstellung als Kontingenztafel
-
|
Medikament |
Placebo |
Summe |
Erfolg |
40 |
42 |
82 |
Misserfolg |
60 |
78 |
138 |
Summe |
100 |
120 |
220 |
- Erfolgsquoten 40% (Behandlunsgruppe) bzw. 35%
(Kontrollgruppe)
- Ist das signifikant (bei α = 0.05)?
- Beachte: Unter H0 (px = py)
"gewinnt" in 50% der Fälle die Behandlungsgruppe!
- Berechnung mit Matlab ergibt
- Ergebnis
- H0 wird akzeptiert, d.h. die Wirkung
des Medikaments ist nicht signifikant
- Das gilt in beiden Richtungen: Es nützt wohl
nichts, aber es schadet wohl auch nichts
- Aufgaben: