Biometrie im neuen Antragsverfahren

Ähnliche Dokumente
Zur Statistik im neuen Genehmigungsantrag

Einführung in die Statistik zur Tierversuchsplanung

Kapitel 5: Einfaktorielle Varianzanalyse

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

Kapitel 5: Einfaktorielle Varianzanalyse

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS

Kapitel 8: Verfahren für Rangdaten

Kapitel 5: Einfaktorielle Varianzanalyse

Statistik-Klausur I E SS 2010

Statistik II: Signifikanztests /1

Aufgaben zu Kapitel 5:

Methode des statistischen Testens

Biomathematik für Mediziner

Angewandte Statistik 3. Semester

Statistische Überlegungen: Eine kleine Einführung in das 1 x 1

Bei Anwendung statistischer Verfahren benutzen Sie die unten aufgeführten Abkürzungen!

Stichwortverzeichnis. E Extrapolation, außerhalb des Datenbereichs 230

W-Seminar: Versuche mit und am Menschen 2017/2019 Skript

Parametrische vs. Non-Parametrische Testverfahren

5. Lektion: Einfache Signifikanztests

Statistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Aufgaben zu Kapitel 3

Der Antrag auf Genehmigung eines Tierversuchsvorhabens nach 8 Abs. 1 des Tierschutzgesetzes Formulierung des Antrags aus Sicht der Genehmigungsbehörde

Inhaltsverzeichnis. Vorwort

Wahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -

Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003

Statistik Prüfung 24. Jänner 2008

Statistische Methoden in den Umweltwissenschaften

Kapitel 6: Zweifaktorielle Varianzanalyse

Fragebogen zur Standortbestimmung von Zürcher Volksschulen: Ermittlung und Darstellung von Ergebnissen der einzelnen Schulen

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Bereiche der Statistik

PRAXISORIENTIERTE EINFÜHRUNG

Klausur: Einführung in die Statistik Sommersemester 2014

Signifikanzprüfung. Peter Wilhelm Herbstsemester 2016

Aufgaben zu Kapitel 8

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Auswertung und Lösung

Ablaufschema beim Testen

T-Test für unabhängige Stichproben

Biostatistik. 4y Springer. Wolfgang Köhler Gabriel Schachtel Peter Voleske. Vierte, aktualisierte und erweiterte Auflage

Statistische Messdatenauswertung

Statistische Grundlagen I

Statistik für Psychologen und Sozialwissenschaftler. Pearson. Markus Bühner Matthias Ziegler. 2., aktualisierte und erweiterte Auflage

Übungen mit dem Applet Vergleich von zwei Mittelwerten

Statistik II: Grundlagen und Definitionen der Statistik

Mathematische und statistische Methoden I

Stichwortverzeichnis. Ausgleichsgerade 177 Ausreißer 13, 40

Biostatistische Studienplanung. Dr. Matthias Kohl SIRS-Lab GmbH

Bereiche der Statistik

Aufgaben zur Varianzanalyse

Statistisches Testen

Signifikanzprüfung. Peter Wilhelm Herbstsemester 2014

Kapitel 5: Einfaktorielle Varianzanalyse

Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Statistik-Klausur A WS 2010/11

Statistische Tests für unbekannte Parameter

Statistische Signifikanz und biologische Relevanz und ihre Visualisierung über Effektstärkemaße

Statistik für Psychologen und Sozialwissenschaftler

Statistische Methoden in den Umweltwissenschaften

Online Statistik-Coaching

Statistische Tests für unbekannte Parameter

Sommersemester Marktforschung

Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko

Einführung in Quantitative Methoden

Vorlesung 12a. Kann das Zufall sein? Beispiele von statistischen Tests

das Kleingedruckte...

6.4 Der Kruskal-Wallis Test

Mögliche Fehler beim Testen

TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN

Klassifikation von Signifikanztests

Was macht gute Versuche aus? ... aus der Sicht eines Biometrikers

Hypothesentests mit SPSS

Statistik für Naturwissenschaftler

Einfache Varianzanalyse für unabhängige Stichproben

Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen

Lösungen zu den Übungsaufgaben in Kapitel 10

Kapitel 8: Verfahren für Rangdaten

WB 11 Aufgabe: Hypothesentest 1

Güteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer

Ulrich Rohland. Statistik. Erläuterung grundlegender Begriffe und Verfahren

1.5 Erwartungswert und Varianz

Inferenzstatistik Vortrag: Alpha und Beta Fehler

ALVA-Ringanalyse. Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

Statistik in der Praxis

Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte

Statistik III. Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS.

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011

Wiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8

FH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)

Statistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.

TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN

8. Konfidenzintervalle und Hypothesentests

1.5 Erwartungswert und Varianz

Aufgaben zu Kapitel 8

Transkript:

8. Fortbildungsveranstaltung der GV-SOLAS für Tierschutzbeauftragte und Behördenvertreter

Warum biometrische Planung? Einfachste Antwort: Weil es im Genehmigungsantrag so vorgesehen ist. 2

Warum biometrische Planung? Bessere Gründe: weil der Wissenschaftler, der den Versuch durchführt, sicher sein kann, dass sein Versuchsergebnis eine statistisch belastbare Aussage beinhaltet. Die Frage: Hätte ich das erwartete Ergebnis bekommen, wenn ich mehr Tiere eingesetzt hätte?, kann eindeutig mit nein beantwortet werden! 3

Warum biometrische Planung? Bessere Gründe: weil der Wissenschaftler, der den Versuch durchführt, sicher sein kann, dass sein Versuchsergebnis eine statistisch belastbare Aussage beinhaltet. weil das 3R-Prinzip umgesetzt wird, denn es werden nur so viele Tiere verwendet, wie nötig. Der Versuch muss nicht wiederholt werden. 4

Warum biometrische Planung? Bessere Gründe: weil der Wissenschaftler, der den Versuch durchführt, sicher sein kann, dass sein Versuchsergebnis eine statistisch belastbare Aussage beinhaltet. weil das 3R-Prinzip umgesetzt wird, denn es werden nur so viele Tiere verwendet, wie nötig. weil die Gruppengröße, die sich aus der biometrischen Planung ergibt, nicht daran hindert, den Versuch zu einem früheren Zeitpunkt auszuwerten und ggfs. zu beenden. (wenn sich bereits nach Verwendung eines Drittels/der Hälfte/zwei Drittel der geplanten Tiere ein signifikantes Ergebnis ergibt) 5

Warum biometrische Planung? Tierschutzbeauftragte sollten Antragsteller davon überzeugen oder darin bestärken, dass eine biometrische Planung in ihrem eigenen Interesse sinnvoll und notwendig ist. Hilfestellung dabei leisten, das 3R-Prinzip auch in diesem Teil der Versuchsplanung anzuwenden. 6

Nature 520, 2015 Nature Reviews Neuroscience 14, 2013 7

Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. Meist recht einfach: Ist das Ergebnis zufällig entstanden? 8

Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. Ist der Zuhörerschwund unabhängig davon, ob mathematische Formeln präsentiert werden? 9

Chen et al. Carcinogenesis, 19:1631, 1998 RUHR-UNIVERSITÄT BOCHUM Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. Ist das verringerte Tumorwachstum unabhängig vom eingesetzten Medikament? 10

Pak et al. PNAS 97:11232, 2010 RUHR-UNIVERSITÄT BOCHUM Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. Ist der Lernerfolg der genetisch veränderten Mauslinie nur zufällig schlechter als der der Wildtyp-Tiere? 11

Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. 2. Wie wird die Wirkung (einer Behandlung, einer genetischen Veränderung, ) bestimmt? Welche Messgröße wird erfasst? Welche (mathematischen) Eigenschaften hat die Messgröße (metrisch, ordinal, nominal)? - danach entscheidet sich, welches statistische Verfahren angewendet werden kann/darf. 12

Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. 2. Wie wird die Wirkung bestimmt? 3. Wie groß muss der Unterschied des Messparameters zwischen Kontroll- und Versuchsgruppe sein? Die Statistik weiß nichts über Biologie oder Medizin. Jeder Unterschied kann auf Signifikanz getestet werden, allerdings nur mit großen Versuchsgruppen - also auf Kosten mindestens eines der drei R. 13

Schritte zu einer zuverlässigen biometrischen Planung 1. Übersetzen der (biologischen/medizinischen) Fragestellung in eine für statistische Methoden geeignete Form. 2. Wie wird die Wirkung bestimmt? 3. Wie groß muss der Unterschied des Messparameters zwischen Kontrollund Versuchsgruppe sein, damit man von einem Effekt sprechen kann? 4. Wie groß ist die Streuung der Messgröße (unter Kontroll- und Versuchsbedingungen)? Ohne Kenntnis der Streuung der Messgröße ist die biometrische Planung nicht möglich. 14

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 15

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 16

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. Die Planung sollte unter Einsatz biometrischer Verfahren vorgenommen werden. Auf die Ergebnisse dieser Planung ist in der Begründung einzugehen. Zusätzlich sind Angaben über die Einteilung in Versuchsgruppen bzw. Kontrollgruppen sowie über die Gruppengrößen vorzunehmen. Die Darstellung der Versuchs- und Kontrollgruppen ist in übersichtlicher Form vorzunehmen, möglichst auch mit einer Tabelle. Die Gruppen sollten auch im Hinblick auf die Aufzeichnungen nach 9 Abs. 5 TierSchG konkrete Bezeichnungen enthalten. 17

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 1. Hauptzielgröße Anzahl der Zuhörer Tumorgröße Zeit zum Erreichen der Plattform Angaben zur biometrischen/statistischen Planung Erläuterungen: Hauptzielgröße(n): subjektive Schmerzintensität ( Grimace Scale ) Erkrankungsgrad (EAE score ; Metastasierung) ordinale Größen Geschlecht Blutgruppe nominale Größen 18

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 1. Hauptzielgröße Angaben zur biometrischen/statistischen Planung Anzahl der Zuhörer Tumorgröße Zeit zum Erreichen der Plattform Erläuterungen: metrische Größen: T-Test, ANOVA Hauptzielgröße(n): subjektive Schmerzintensität ( Grimace Scale ) Erkrankungsgrad (EAE score ) ordinale Größen: U-Test, Kruskal-Wallis-Test Geschlecht Blutgruppe nominale Größen: C²-Test, Fisher-Yates-Test 19

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 1. Hauptzielgröße 2. Nebenzielgröße wird/werden ebenfalls erfasst ist/sind aber für die biometrische Planung unerheblich Angaben zur biometrischen/statistischen Planung Erläuterungen: Hauptzielgröße(n): Nebenzielgröße(n): 20

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 1. Hauptzielgröße 2. Nebenzielgröße 3. Studientyp 4. Statistisches Verfahren zur Auswertung Art der Messgröße Anzahl der Gruppen Angaben zur biometrischen/statistischen Planung Erläuterungen: Hauptzielgröße(n): Nebenzielgröße(n): Studientyp a) Orientierungsstudie b) Vergleichsstudie Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: 21

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 1. Hauptzielgröße 2. Nebenzielgröße 3. Studientyp 4. Statistisches Verfahren zur Auswertung Art der Messgröße Anzahl der Gruppen Angaben zur biometrischen/statistischen Planung Erläuterungen: Mess-Skala Hauptzielgröße(n): Nebenzielgröße(n): Metrisch Studientyp a) Orientierungsstudie Ordinal b) Vergleichsstudie 2 Gruppen mit verschiedenen Individuen t-test Versuchsdesign Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: mehr als 2 Gruppen mit verschiedenen Individuen Varianzanalyse (ANOVA) Mann-Whitney- Rang-Test Kruskal-Wallis- Test 22

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 4. Statistisches Verfahren zur Auswertung 5. Fehler 1. Art Signifikanzniveau gibt an, mit welcher Wahrscheinlichkeit das Ergebnis zufällig entstanden sein könnte. Effekt einer Behandlung wird angenommen, obwohl er in Wirklichkeit zufällig entstanden ist falsch positives Ergebnis 5% wird akzeptiert Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: Die vorgesehene Tierzahl und Gruppengröße ist zur statistischen Absicherung mit einer Wahrscheinlichkeit für den Fehler 1. Art von a = 0,05 23

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 4. Statistisches Verfahren zur Auswertung 5. Fehler 1. Art 6. Fehler 2. Art gibt an, mit welcher Wahrscheinlichkeit ein tatsächlicher Effekt übersehen wird. Effekt wird als zufällig angesehen, obwohl er tatsächlich vorhanden ist falsch negatives Ergebnis 20% wird akzeptiert Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: Die vorgesehene Tierzahl und Gruppengröße ist zur statistischen Absicherung mit einer Wahrscheinlichkeit für den Fehler 1. Art von a = 0,05 einer Wahrscheinlichkeit für den Fehler 2. Art von b = 0,20 24

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 5. Fehler 1. Art 6. Fehler 2. Art 7. Differenz Wie groß ist der erwartete Unterschied zwischen Kontroll- und Versuchsgruppe(n)? Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: Die vorgesehene Tierzahl und Gruppengröße ist zur statistischen Absicherung mit einer Wahrscheinlichkeit für den Fehler 1. Art von a = 0,05 einer Wahrscheinlichkeit für den Fehler 2. Art von b = 0,20 einer biologisch relevanten Differenz Wie groß soll die Abweichung der Messwerte der Versuchsgruppe(n) vom Referenzwert der Kontrollgruppe sein, damit von einem biologisch oder medizinisch relevantem Effekt gesprochen werden kann? 25

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 5. Fehler 1. Art 6. Fehler 2. Art 7. Differenz 8. Varianz oder Effektstärke Wie groß ist die Streuung der Messgröße? Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: Die vorgesehene Tierzahl und Gruppengröße ist zur statistischen Absicherung mit einer Wahrscheinlichkeit für den Fehler 1. Art von a = 0,05 einer Wahrscheinlichkeit für den Fehler 2. Art von b = 0,20 einer biologisch relevanten Differenz Varianz oder Effektstärke (mit Angabe des genutzten Parameters, z. B. Effektstärke nach Cohen) In welchem Verhältnis stehen die Streuung der Messwerte und die Differenz zwischen Kontroll- und Versuchsgruppe(n) zueinander? 26

Angaben zur biometrischen Planung im Antrag Antragsformular fragt die Angaben zur biometrischen Planung einzeln ab. 5. Fehler 1. Art 6. Fehler 2. Art 7. Differenz 8. Varianz/Effektstärke Bestimmung der Gruppengrößen erfolgt anhand der hier angegebenen Parameter Es werden folgende biometrische Verfahren zur Auswertung eingesetzt: Die vorgesehene Tierzahl und Gruppengröße ist zur statistischen Absicherung mit einer Wahrscheinlichkeit für den Fehler 1. Art von a = 0,05 einer Wahrscheinlichkeit für den Fehler 2. Art von b = 0,20 einer biologisch relevanten Differenz Varianz oder Effektstärke (mit Angabe des genutzten Parameters, z. B. Effektstärke nach Cohen) Meist mit Hilfe eines Statistikprogrammes (z.b. G*Power, SSTAT, Statistica, ) 27

Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 b = 0,20 (oder Power = 0,80) Effektstärke ist das Verhältnis von Differenz zu Streuung 28

Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 b = 0,20 (oder Power = 0,80) Effektstärke ist das Verhältnis von Differenz zu Streuung 29

Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 b = 0,20 (oder Power = 0,80) Effektstärke ist das Verhältnis von Differenz zu Streuung 30

Chen et al. Carcinogenesis, 19:1631, 1998 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für einen t-test: Kontrolle: 600 ± 150 mm³ Versuch: 300 ± 150 mm³ Effektstärke d = 300 / 150 = 2 Erforderliche Gruppengröße n = 6 (sagt G*Power) 31

Chen et al. Carcinogenesis, 19:1631, 1998 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind Anmerkung: festgelegt: Die a = Berechnung 0,05 und b = der 0,20 Effektstärke nach Effektstärke ist das Verhältnis Differenz zwischen den Gruppen von Differenz Effektstärke zu Streuung = Standardabweichung für einen t-test: gilt in dieser einfachen Weise nur für den t-test. Für andere statistische Tests Kontrolle: (ANOVA, 600 ± U-Test, 150 mm³ Kruskal-Wallis-Test, usw.) wird die Effektstärke anders Versuch: berechnet. 300 ± 150 Die mm³ Effektstärken aus dem t-test dürfen also nicht für andere Effektstärke Tests d übernommen = 300 / 150 = werden. 2 Erforderliche Gruppengröße n = 6 (sagt G*Power) 32

Chen et al. Carcinogenesis, 19:1631, 1998 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für einen t-test: Kontrolle: 600 ± 100 mm³ Versuch: 500 ± 100 mm³ Effektstärke d = 100 / 100 = 1 Erforderliche Gruppengröße n = 17 33

Chen et al. Carcinogenesis, 19:1631, 1998 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für einen t-test: Kontrolle: 600 ± 100 mm³ Versuch: 550 ± 100 mm³ Effektstärke d = 50 / 100 = 0,5 Erforderliche Gruppengröße n = 64 34

Chen et al. Carcinogenesis, 19:1631, 1998 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für einen t-test: Kontrolle: 600 ± 200 mm³ Versuch: 400 ± 200 mm³ Effektstärke d = 200 / 200 = 1 Erforderliche Gruppengröße n = 17 35

Pak et al. PNAS 97:11232, 2010 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für eine ANOVA: Kontrolle: Versuch 1: 10 ± 2 sec 15 ± 2 sec Versuch 2: 25 ± 2 sec Effektstärke f = 3.11 Erforderliche Gruppengröße n = 2 36

Pak et al. PNAS 97:11232, 2010 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für eine ANOVA: Kontrolle: Versuch 1: 10 ± 8 sec 15 ± 8 sec Versuch 2: 25 ± 8 sec Effektstärke f = 0.78 Erforderliche Gruppengröße n = 7 37

Pak et al. PNAS 97:11232, 2010 RUHR-UNIVERSITÄT BOCHUM Berechnung der Gruppengröße Fehler 1. und 2. Art sind festgelegt: a = 0,05 und b = 0,20 Effektstärke ist das Verhältnis von Differenz zu Streuung für eine ANOVA: Kontrolle: Versuch 1: 10 ± 8 sec 15 ± 8 sec Versuch 2: 20 ± 8 sec Effektstärke f = 0.51 Erforderliche Gruppengröße n = 14 38

Berechnung der Gruppengröße Effektstärke bestimmt die Gruppengröße große Differenz und geringe Streuung = kleine Gruppen kleine Differenz und große Streuung = große Gruppen relevante Differenz vorgeben Streuung vermindern 39

Fazit Die biometrische Planung muss auf realistischen Zahlen beruhen, damit eine statistisch gesicherte Aussage über das Versuchsergebnis getroffen werden kann. Mehr Tiere werden nicht benötigt, weniger aber auch nicht! 40