Statistische Tests Übersicht

Transkript

1 Statistische Tests Übersicht Diskrete Stetige 1. Einführung und Übersicht 2. Das Einstichprobenproblem 3. Vergleich zweier unabhängiger Gruppen (unverbundene Stichproben) 4. Vergleich zweier abhängiger Gruppen (verbundene Stichproben) 5. Vergleich mehrerer unabhängiger Gruppen (einfache analyse) 6. Vergleich mehrerer abhängiger Gruppen (einfaches Blockexperiment) 7. Weitere analysemodelle 8. Anpassungstests 9. Nichtparametrische Tests 275 / 330

2 Statistische Tests Einführung und Übersicht Diskrete Stetige Sei X ein Merkmal (eine Zufallsvariable), F X (x) = P(X x) = P θ (X x) = F X,θ (x) θ: Parametervektor Beispiel: θ = (µ, σ 2 ) µ: von X σ 2 : von X X 1, X 2,..., X n Beobachtungen von X µ 1 n n i=1 X i = X σ 2 1 n n 1 i=1 (X i X) 2 = s 2 D.h. die unbekannten Parameter werden geschätzt. 276 / 330

3 Statistische Tests: Einführung Diskrete Stetige Problem Schätzungen können sehr schlecht ausfallen! I.a. vertritt der Fachexperte gewisse Hypothesen bzgl. der (unbekannten) Parameterwerte! Diese Hypothesen werden verworfen, wenn die erhaltenen Schätzwerte (z.b. X, s 2 ) mit ihnen nicht in Einklang stehen. 277 / 330

4 Statistische Tests: Einführung Eine verwandte Problemstellung Diskrete Stetige Elektronischer Großhandel: TV-Geräte Händler sagt: Ausschußquote p 1% (p = 0.01) Käufer wäre einverstanden, prüft aber N Geräte! Davon: N f fehlerhaft, N f - Teststatistik N f N Zwei Fehler möglich 100% 1% Ablehnung a) Zufällig N f zu groß! p < 0.01 Käufer lehnt ab b) Zufällig N f zu klein! p groß, p 0.01 Käufer kauft 278 / 330

5 Statistische Tests: Einführung Risiken - Fehler Risiko des Händlers Käufer lehnt gute Ware ab (weil N f zufällig zu groß) Diskrete Stetige 279 / 330

6 Statistische Tests: Einführung Risiken - Fehler Diskrete Stetige Risiko des Händlers Käufer lehnt gute Ware ab (weil N f zufällig zu groß) Risiko des Käufers Käufer kauft schlechte Ware (weil N f zufällig zu klein) 279 / 330

7 Statistische Tests: Einführung Risiken - Fehler Diskrete Stetige Risiko des Händlers Käufer lehnt gute Ware ab (weil N f zufällig zu groß) Risiko des Käufers Käufer kauft schlechte Ware (weil N f zufällig zu klein) Risiken sollen quantifiziert werden: a) P( Nicht kaufen p 1%) b) P( Kaufen p > 1%) Beide Risiken nicht gleichzeitig zu minimieren. 279 / 330

8 Statistische Tests: Einführung Risiken - Fehler Diskrete Stetige Risiko des Händlers Käufer lehnt gute Ware ab (weil N f zufällig zu groß) Risiko des Käufers Käufer kauft schlechte Ware (weil N f zufällig zu klein) Risiken sollen quantifiziert werden: a) P( Nicht kaufen p 1%) b) P( Kaufen p > 1%) Beide Risiken nicht gleichzeitig zu minimieren. Lösung: P( Nicht kaufen p 1%) = α vorgeben P( Kaufen p > 1%) minimieren (oder es versuchen) 279 / 330

9 Hypothesentest Beispiel: Einstichproben-Lagetest Diskrete Stetige Sei µ ein Lageparameter, z.b. der. Sei µ 0 ein vorgegebener Wert. Nullhypothese und Alternativhypothese a) H 0 : µ µ 0 H A : µ > µ 0 b) H 0 : µ µ 0 H A : µ < µ 0 c) H 0 : µ = µ 0 H A : µ µ / 330

10 Hypothesentest Beispiel: Einstichproben-Lagetest Diskrete Stetige Sei µ ein Lageparameter, z.b. der. Sei µ 0 ein vorgegebener Wert. Nullhypothese und Alternativhypothese a) H 0 : µ µ 0 H A : µ > µ 0 b) H 0 : µ µ 0 H A : µ < µ 0 c) H 0 : µ = µ 0 H A : µ µ 0 Teststatistik T(X 1,..., X n ) = X µ 0 s T heißt auch Testgröße, Prüfgröße, Stichprobenfunktion. n 280 / 330

11 Hypothesentest Allgemein Diskrete Stetige Die Entscheidung für H A oder für H 0 wird anhand einer Teststatistik T = T(x 1,..., x n ) gefällt. Liegt der Wert von T in einem vorher bestimmten Bereich K, dem sogen. Ablehnungsbereich oder kritischen Bereich, dann wird H 0 abgelehnt, anderenfalls wird H 0 nicht abgelehnt. T K H 0 ablehnen, Entscheidung für H A T K H 0 nicht ablehnen, Entscheidung für H / 330

12 Hypothesentest Annahme- und Ablehnungsbereich Diskrete Stetige a) H 0 : µ µ 0 H A : µ > µ 0 große Werte von T sprechen für H A. Annahmebereich Krit.Bereich... t krit b) H 0 µ µ 0 H A : µ < µ 0 kleine Werte von T sprechen für H A. Krit.B. Annahmebereich... t krit c) H 0 : µ = µ 0 H A : µ µ 0 große Werte von T sprechen für H A. Annahmebereich.... t krit t krit 282 / 330

13 Hypothesentest Fehler 1. Art, Fehler 2. Art Fehler 1.Art Entscheidung für H A obwohl H 0 richtig ist. Diskrete Stetige 283 / 330

14 Hypothesentest Fehler 1. Art, Fehler 2. Art Fehler 1.Art Entscheidung für H A obwohl H 0 richtig ist. Fehler 2.Art Entscheidung für H 0 obwohl H A richtig ist Diskrete Stetige 283 / 330

15 Hypothesentest Fehler 1. Art, Fehler 2. Art Diskrete Stetige Fehler 1.Art Entscheidung für H A obwohl H 0 richtig ist. Fehler 2.Art Entscheidung für H 0 obwohl H A richtig ist Entscheidung Entscheidung für H 0 für H A H 0 richtig richtig, Sicher- Fehler 1. Art heitswkt. 1 α Fehlerwkt. α. H A richtig Fehler 2.Art richtig, Fehlerwkt. 1-β Güte β 283 / 330

16 Hypothesentest Fehler 1. Art, Fehler 2. Art Diskrete Stetige Fehler 1.Art Entscheidung für H A obwohl H 0 richtig ist. Fehler 2.Art Entscheidung für H 0 obwohl H A richtig ist Entscheidung Entscheidung für H 0 für H A H 0 richtig richtig, Sicher- Fehler 1. Art heitswkt. 1 α Fehlerwkt. α. H A richtig Fehler 2.Art richtig, Fehlerwkt. 1-β Güte β Entscheidung für H 0 heißt nicht notwendig, dass H 0 richtig ist. 283 / 330

17 Hypothesentest Fehler 1. Art, Fehler 2. Art Diskrete Stetige α und (1 β) können nicht gleichzeitig minimiert werden. Man gibt α vor (z.b. α = 0.05), d.h. man behält α unter Kontrolle und versucht die Teststatistik so zu definieren, daß β maximal wird. β (und manchmal auch α) hängen von wahren (i.a. unbekannten) Parametern ab. Signifikanzniveau α = sup θ Θ0 β(θ). Θ 0 : Nullhypothesenraum, also z.b. die Menge {µ : µ µ 0 } oder {µ : µ = µ 0 }. 284 / 330

18 Gütefunktion Diskrete Stetige Gütefunktion β = β(θ) = β(µ) = P µ (T K) K heißt Ablehnungsbereich oder Kritischer Bereich. Beispiel: t-test β(µ) = P(T K) K: kritischer Bereich = P(T > t 1 α,n 1 µ, σ 2 ) = 1 CDF( T, t 1 α,n 1, n 1, nc) nc = n µ µ 0 : Nichtzentralitätsparameter σ t 1 α,n 1 : kritischer Wert K = [t 1 α,n 1, ): kritischer Bereich. 286 / 330

19 Gütefunktion Einseitiger Test Diskrete Stetige 288 / 330

20 Gütefunktion Einseitiger Test Zweiseitiger Test Diskrete Stetige 288 / 330

21 Gütefunktion Diskrete Stetige Einseitiger Test Test_Guete_t.sas Zweiseitiger Test Test_Guete_t2.sas 288 / 330

22 Gütefunktion Diskrete Stetige Ideal: Unter H 0 : Güte 0 (d.h. Fehler 1. Art =0) Unter H A : Güte 1 (d.h. Fehler 2. Art =0) Das ist aber nicht möglich! Ziel: Test mit möglichst großer Gütefunktion (unter H A ). Wir schlagen natürlich nur solche sinnvollen Tests vor. 289 / 330

23 Lagetests (bei Normalverteilungsannahme) Einstichprobenproblem H 0 : µ µ 0 H A : µ > µ 0 H 0 : µ µ 0 H A : µ < µ 0 H 0 : µ = µ 0 H A : µ µ 0 Diskrete Stetige 290 / 330

24 Lagetests (bei Normalverteilungsannahme) Einstichprobenproblem H 0 : µ µ 0 H A : µ > µ 0 H 0 : µ µ 0 H A : µ < µ 0 H 0 : µ = µ 0 H A : µ µ 0 Einstichproben t-test PROC UNIVARIATE PROC TTEST Diskrete Stetige 290 / 330

25 Lagetests (bei Normalverteilungsannahme) Diskrete Stetige Einstichprobenproblem H 0 : µ µ 0 H A : µ > µ 0 H 0 : µ µ 0 H A : µ < µ 0 H 0 : µ = µ 0 H A : µ µ 0 Zweistichprobenproblem H 0 : µ 1 µ 2 H A : µ 1 > µ 2 H 0 : µ 1 µ 2 H A : µ 1 < µ 2 H 0 : µ 1 = µ 2 H A : µ 1 µ 2 Einstichproben t-test PROC UNIVARIATE PROC TTEST 290 / 330

26 Lagetests (bei Normalverteilungsannahme) Diskrete Stetige Einstichprobenproblem H 0 : µ µ 0 H A : µ > µ 0 H 0 : µ µ 0 H A : µ < µ 0 H 0 : µ = µ 0 H A : µ µ 0 Zweistichprobenproblem H 0 : µ 1 µ 2 H A : µ 1 > µ 2 H 0 : µ 1 µ 2 H A : µ 1 < µ 2 H 0 : µ 1 = µ 2 H A : µ 1 µ 2 Einstichproben t-test PROC UNIVARIATE PROC TTEST Einstichproben t-test (verbundene Stichproben) t-test (unverbundene Stichproben) PROC UNIVARIATE PROC TTEST 290 / 330

27 Lage- und Skalentests (bei Normalverteilungsannahme) c-stichprobenproblem H 0 : µ 1 =... = µ c H A : (i, j) : µ i µ j einfache analyse PROC ANOVA, PROC GLM Andere Alternativen sind: µ 1... µ c µ 1... µ c Diskrete Stetige 291 / 330

28 Lage- und Skalentests (bei Normalverteilungsannahme) Diskrete Stetige c-stichprobenproblem H 0 : µ 1 =... = µ c H A : (i, j) : µ i µ j einfache analyse PROC ANOVA, PROC GLM Andere Alternativen sind: µ 1... µ c µ 1... µ c Skalentest Zwei unverbundene Stichproben H 0 : σ 2 1 = σ 2 2 H A : σ 2 1 σ 2 2 PROC TTEST (bei Normalverteilung) 291 / 330

29 p-werte Diskrete Stetige bisher: H 0 abgelehnt oder H 0 beibehalten wenig informativ. Wir könnten uns auch bei jedem α fragen, ob H 0 abgelehnt wird oder nicht. Wenn der Test bei Signifikanzniveau α ablehnt, wird er das auch für α > α tun. Es gibt also ein kleinstes α, bei dem der Test H 0 ablehnt. Der p-wert ist das kleinste α, bei dem wir H 0 ablehnen können. Test_t_p_value 293 / 330

30 p-wert T: (zufällige) Teststatistik, t: beobachtete Teststatistik Diskrete Stetige Zweiseitige Alternative: µ µ 0 p-wert = P 0 ( T > t ) Einseitige Alternative: µ < µ 0 p-wert = P 0 (T < t) Einseitige Alternative: µ > µ 0 p-wert = P 0 (T > t) Der p-wert heißt auch Überschreitungswahrscheinlichkeit. 294 / 330

31 p-wert Illustration Einseitiger Test Diskrete Stetige 295 / 330

32 p-wert Illustration Einseitiger Test Zweiseitiger Test Diskrete Stetige 295 / 330

33 p-wert Illustration Einseitiger Test Zweiseitiger Test Diskrete Stetige Fäche unter der Dichte rechts der schwarzen Linie: Fäche unter der Dichte rechts der roten Linie: p-wert halber p-wert links entsprechend. 295 / 330

34 Bewertung von p-werten Der p-wert ist also, grob, ein Maß für den Grad dafür, dass die Nullhypothese nicht zutrifft. (vorsichtige) Interpretation p-wert Grad des Nicht-Zutreffens von H 0 < 0.01 sehr streng gegen H streng gegen H schwach gegen H 0 > 0.1 wenig oder gar nichts gegen H 0 Diskrete Stetige 296 / 330

35 Bewertung von p-werten Diskrete Stetige Der p-wert ist also, grob, ein Maß für den Grad dafür, dass die Nullhypothese nicht zutrifft. (vorsichtige) Interpretation p-wert Grad des Nicht-Zutreffens von H 0 < 0.01 sehr streng gegen H streng gegen H schwach gegen H 0 > 0.1 wenig oder gar nichts gegen H 0 Warnung: Ein großer p-wert heisst noch lange nicht, dass H 0 zutrifft. H 0 kann zutreffen, Der große p-wert kann aber auch daran liegen, dass der Test niedrige Güte hat! 296 / 330

36 p-wert und kritischer Wert Diskrete Stetige Einseitiger Test, t krit = t 1 α t t krit p-wert α = H 0 angenommen, t > t krit p-wert < α = H 0 abgelehnt. Zweiseitiger Test, t krit = t 1 α/2 t t krit p-wert α = H 0 angenommen, t > t krit p-wert < α = H 0 abgelehnt. Ausgabe bei SAS Wenn nicht anders vermerkt: zweiseitige p-werte. 297 / 330