Mathematik für Biologen

Transkript

1 Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011

2 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen Mendelsche Erbregeln als Beispiel für mehr als zwei Ausprägungen Test auf Übereinstimmung zweier Verteilungen Kleine Stichprobenumfänge Große Stichprobenumfänge Chi-Quadrat-Verteilung Der Chi-Quadrat-Test zum

3 Ordinalskalierte Daten Beispiel: Tomaten sind delikat, schmackhaft, genießbar oder ekelhaft. Zahlenkodierung delikat schmackhaft genießbar ekelhaft Es handelt sich um ein diskretes quantitatives Merkmal. Je 12 Tester beurteilen die Qualität von zwei Tomatensorten, um herauszubekommen, ob die Neuzüchtung besser schmeckt. Wir machen einen U-Test. Da nur vier Werte möglich sind, sind Bindungen unvermeidlich.

4 U-Test: Wiederholung R 1 sei die Summe sämtlicher Ränge in der ersten Gruppe und R 2 sei die Summe sämtlicher Ränge in der zweiten Gruppe Die Zufallsvariable U wird definiert als U = n 1 n 2 + n 1 (n 1 + 1) R 1 2 U gibt die Anzahl der Rangplatzüberschreitungen an r 1, r 2, u sind die Realisierungen Die Teststatistik ist t = u µ σ wobei µ = n 1 n 2 2 n1 n 2 (n 1 + n 2 + 1) σ = 12

5 U-Test, Fortsetzung Das Signifikanzniveau sei α Entscheidung: H 0 = {µ 1 = µ 2 }: Die Nullhypothese H 0 wird abgelehnt, wenn t > q 1 α/2 H 0 = {µ 1 µ 2 }: Die Nullhypothese H 0 wird abgelehnt, wenn t < q 1 α H 0 = {µ 1 µ 2 }: Die Nullhypothese H 0 wird abgelehnt, wenn t > q 1 α

6 U-Test mit Bindungen Wenn mehrere Werte den gleichen Rang aufweisen, spricht man von Bindungen Dann wird jedem Messwert als Rangplatz das arithmetische Mittel der fortlaufend vergebenen Rangplätze zugewiesen und σ muss durch die korrigierte Größe σ korr = ersetzt werden Dabei n 1 n 2 12n (n 1) ( n 3 n K ) (tk 3 t k) k=1 n = n 1 + n 2 K = Anzahl der Messwertgruppen mit gleichen Werten t k = Anzahl der Bindungen in der k-ten Gruppe

7 Beispieldaten Bewertung der Tomaten Sorte A Sorte B Urteil Anzahl Anzahl delikat 2 1 schmackhaft 3 7 genießbar 6 4 ekelig 1 0 Kann man zum Signifikanzniveau α = 0.05 sagen, dass Sorte B bessere Bewertungen bekommt als Sorte A?

8 Beispiel, Fortsetzung Sorte A Sorte B Urteil Rang gemittelt Urteil Rang gemittelt Rangsumme r 1 : Rangsumme r 2 : 135.5

9 Beispiel, Fortsetzung Damit kann man u ausrechnen u = n 1 n 2 + n 1 (n 1 + 1) 2 µ = n 1 n 2 = 72 2 K = 3 r 1 = 57.5 Die Bindungszahlen sind t 1 = 3 t 2 = 10 t 3 = 10

10 Beispiel, Fortsetzung Berechnung des korrigierten σ σ korr = = ( n 3 n n 1 n 2 (t 12 n (n 1) k 3 t k) k= ( ( )) Das unkorrigierte σ ist 300 = Damit K t = u µ = = σ korr ) = = Das Quantil ist q 0.95 = Daher kann die Nullhypothese nicht abgelehnt werden

11 Test für ein Merkmal mit nur zwei Ausprägungen Beispielaufgabe: An der HHU sind 60.6% der Studierenden weiblich. Im Fach Biologie sind 530 von 906 Studierenden weiblich. Das sind 58.5%. Ist der Unterschied beim Anteil weiblicher Studierender signifikant? Für solche Fragestellungen verwendet man einen Chi-Quadrat-Anpassungstest. Diese Tests dienen zur Überprüfung der Gleichheit zweier Verteilungen. Die Beispielaufgabe ist aber untypisch einfach; wir können sie als Binomialtest mit Normalapproximation rechnen.

12 Beispielaufgabe Die Zufallsvariable X ist B 906, p -verteilt mit unbekanntem p Die Nullhypothese ist H 0 = {p = p 0 } für p 0 = Wir machen einen zweiseitigen Binomialtest zum Signifikanzniveau α = 0.05

13 Beispiel, Fortsetzung Der kritischen Wert c 1 und c 2 sind so zu wählen, dass c 1 1 ( n k k=0 c 1 ( n k k=0 c 2 ( n k k=0 c 2 1 k=0 ) p k 0 (1 p 0 ) n k α 2 ) p k 0 (1 p 0 ) n k > α 2 ) p k 0 (1 p 0 ) n k 1 α 2 ( ) n p0 k (1 p k 0 ) n k < 1 α 2

14 Beispiel, Fortsetzung Wir approximieren die erste und die dritte Formel mit der Normalapproximation ( P(X b) = b Φ n p ) 0 n p0 (1 p 0 ) Hier n p 0 = = und n p 0 (1 p 0 ) = 216.3

15 Beispiel, Fortsetzung Also löst c 1 die Gleichung ( ) c / Φ = α Die Gleichung ist äquivalent zu ( ) c Φ = q ist das Quantil der Standardnormalverteilung c = q = q = Daher c 1 = = Gerundet c 1 = 521

16 Beispiel, Fortsetzung Der kritische Bereich ist { 906 K 1 = (x 1,..., x 906 ) x j < c 1 oder j=1 906 } x j > c 2 j=1 c 1 = 521 und c 2 ist auf jeden Fall größer als Bei 906 j=1 x j = 530 kann die Nullhypothese nicht abgelehnt werden Der Frauenanteil in der Biologie entspricht dem Durchschnitt über alle Studierenden der HHU

17 Mendelsche Erbregeln Bei den Mendelschen Erbversuchen tritt das Merkmal Blütenfarbe in drei Ausprägungen auf, nämlich weiß, rosa und rot weiß und rot haben dieselbe Wahrscheinlichkeit, rosa die doppelte 4 Blüten werden beobachtet, alle sind rosa Widerspricht diese Beobachtung den Mendelschen Regeln?

18 Interpretation als Modellannahme: Die Mendelschen Regeln gelten für die untersuchte Situation Das entspricht der Verteilung Nummer Ausprägung Wahrscheinlichkeit 1 weiß 25% 2 rosa 50% 3 rot 25% Zu vergleichen mit der tatsächlichen Verteilung der Blütenfarben in dem Kollektiv Der Stichprobenumfang ist 4 Das ist für praktische Zwecke zu wenig

19 Mendelsche Erbregeln, Fortsetzung Strategie: Ordne die möglichen Ergebnisse mit aufsteigender Wahrscheinlichkeit an Der kritische Bereich besteht dann aus den unwahrscheinlichsten Ergebnissen Dabei werden aus der Liste die obersten Ereignisse genommen, bis die erlaubte Fehlerwahrscheinlichkeit erster Art ausgeschöpft ist

20 Test auf Übereinstimmung zweier Verteilungen Unabhängige Zufallsvariable X 1,..., X n, die alle mit Wahrscheinlichkeit p 1 den Wert w 1, mit Wahrscheinlichkeit p 2 den Wert w 2,..., mit Wahrscheinlichkeit p s den Wert w s annehmen Vergleichswahrscheinlichkeiten π 1, π 2,..., π s mit π 1 + π π s = 1 Nullhypothese und Alternative: H 0 : p 1 = π 1, p 2 = π 2,..., p s = π s H 1 : mindestens ein p j π j

21 Test auf Übereinstimmung zweier Verteilungen: Summenvariable Summenvariable Y 1 = Anzahl aller X j mit X j = w 1 Y 2 = Anzahl aller X j mit X j = w 2. Y s = Anzahl aller X j mit X j = w s Erwartungswerte unter H 0 E(Y 1 ) = n π 1 E(Y 2 ) = n π 2. E(Y s ) = n π s

22 Test auf Übereinstimmung für kleine Stichproben Bestimme für jede mögliche Kombination von Werten von Y 1,..., Y s deren Wahrscheinlichkeit Ordne diese Wahrscheinlichkeiten aufsteigend in einer Liste Der kritische Bereich besteht aus den obersten Zeilen dieser Liste Man nimmt genau so viele Zeilen, dass die erlaubte Fehlerwahrscheinlichkeit erster Art nicht überschritten, aber möglichst gut ausgeschöpft wird

23 Beispiel Mendel: Formalisierung s = 3 X 1 ist die (der Zahlencode der) Blütenfarbe der ersten Blüte, X 2 dasselbe für die zweite Blüte,... Y 1 bezeichnet die Anzahl der weißen, Y 2 die der rosafarbenen und Y 3 die der roten Blüten Dann Y 1 + Y 2 + Y 3 = 4 Im Beispiel Y 1 = 0, Y 2 = 4, Y 3 = 0 Rechne sämtliche Einzelwahrscheinlichkeiten aus

24 Beispiel Mendel: Wahrscheinlichkeiten der Einzelereignisse P(Y 1 = k 1,Y 2 = k 2, Y 3 = k 3 ) ( ) ( ) ( ) 4 4 k1 1 k1 ( ) 1 k2 ( 1 = k 1 k ( ) 4! (4 k 1 )! 1 k1 = k 1! (4 k 1 )! (4 k 1 k 2 )! 4 ( ) 4! 1 k1 ( ) 1 k2 ( ) 1 k3 = k 1! k 2! k 3! ) k3 ( ) 1 k2 2 ( ) 1 k3 4

25 Beispiel Mendel: Tabelle der W keiten der Einzelereignisse k 1 k 2 k 3 P(X 1 = k 1, X 2 = k 2, X 3 = k 3 ) kumulierte Summe

26 Beispiel Mendel: Balkendiagramm 100% 80% 60% (1,2,1) (0,3,1), (1,3,0) (0,2,2), (2,2,0), (1,1,2), (2,1,1) (0,4,0) (0,1,3), (3,1,0) (2,0,2) (1,0,3), (3,0,1) (4,0,0), (0,0,4) 40% 20% 0% Der linke Balken zeigt die kumulierten Werte aus der Tabelle, der rechte die 5%-Schwelle

27 Beispiel Mendel: Ergebnis In den folgenden Fällen kann die Nullhypothese zum Signifikanzniveau α = 0.05 abgelehnt werden 4 weiße oder 4 rote Blüten keine rosa, aber 3 weiße oder 3 rote Blüten Der p-wert des beobachteten Ereignisses 4 rosa Blüten beträgt 18.75%

28 Große Stichprobenumfänge Für große Stichprobenumfänge ist der soeben besprochene Test unpraktikabel Ziel: Zur Realisierung eine Teststatistik berechnen und dann mit einem passenden Quantil vergleichen

29 Teststatistik des Chi-Quadrat-Tests, Fortsetzung Die Teststatistik misst die Abweichung der Realisierungen y 1, y 2,..., y s von den Erwartungswerten t = s (y j n π j ) 2 j=1 n π j Große Werte von t sprechen gegen H 0

30 Teststatistik für Beispiel Mendel k 1 k 2 k 3 P(X 1 = k 1, X 2 = k 2, X 3 = k 3 ) t

31 χ 2 -Verteilung Die Quantile der χ 2 -Verteilung sind die Referenzgröße beim für große Stichprobenumfänge Sprich: Chi-Quadrat Die χ 2 -Verteilung mit n Freiheitsgraden besitzt die Dichte f n (x) = c n e x/2 x n/2 1, x > 0 Dabei ist c n bestimmt durch das Erfordenis, dass 0 f n (x)dx = 1 Die Quantile der χ 2 -Verteilung sind tabelliert

32 Graphen von Dichten von χ 2 -Verteilungen Freiheitsgrad 4 Freiheitsgrade 10 Freiheitsgrade Dichte x

33 Graphen von Verteilungsfunktionen von χ 2 -Verteilungen 100% 80% 60% 40% 20% 0% 1 Freiheitsgrad 4 Freiheitsgrade 10 Freiheitsgrade x

34 Quantile der χ 2 -Verteilung f 90% 95% 97.5% 99% 99.5% 99.9%

35 Der Chi-Quadrat-Test zum Gegeben ein Signifikanzniveau α Berechne Teststatistik s (y j n π j ) 2 t = n π j j=1 Bestimme Quantil χ 2 s 1,1 α der χ2 -Verteilung mit s 1 Freiheitsgraden Falls dann lehne H 0 ab t χ 2 s 1,1 α

36 Bemerkungen zum χ 2 -Test Der χ 2 -Test verwendet eine Approximation Er ist daher nur zulässig, wenn n π 1 5 n π 2 5. n π s 5 Die Zahl der Freiheitgrade beträgt s 1

37 Beispiel zum χ 2 -Test Würfelexperiment aus Aufgabe 1 Blatt Blatt 1, A4 Dreiecksverteilung 0.15 relative Häufigkeit X 1 X 2

38 Beispiel zum χ 2 -Test, Fortsetzung Die Tabelle zeigt die empirische Häufigkeitsverteilung von X 1 X 2 Wir vergleichen mit der Dreiecksverteilung j p j π j j p j π j

39 Beispiel zum χ 2 -Test, Fortsetzung Ziel: Widerlege die Nullhypothese, dass die Daten gemäß der Dreiecksverteilung verteilt sind, zum Signifikanzniveau α = 0.1% Stichprobenumfang n = 1798 j y j n π j j y j n π j s = 11 Der kleinste Wert von n π j ist 49.9 Daher ist der χ 2 -Test zulässig

40 Beispiel zum χ 2 -Test, Fortsetzung t = s (y j n π j ) 2 = n π j j=1 Es gibt 10 Freiheitsgrade Das Quantil ist χ 2 10, = Die Nullhypothese kann abgelehnt werden Die experimentell ermittelte Verteilung ist nicht die Dreiecksverteilung