Sequentieller Likelihood-Quotienten-Test

Aus testwiki
Zur Navigation springen Zur Suche springen

Ein Sequentieller Likelihood-Quotienten-Test kurz SLQT (Vorlage:EnS, kurz SPRT oder Sequential Likelihood Ratio Test, kurz SLRT), auch sequentieller Plausibilitätsquotiententest genannt, ist in der Statistik ein sequentieller Hypothesentest. Statt mit einem festen Stichprobenumfang einen statistischen Test durchzuführen, wird beim nach jeder gemachten Beobachtung aufgrund aller bisher erfassten Daten getestet, ob eine Entscheidung für oder wider der Nullhypothese getroffen werden kann. Sollte dies nicht der Fall sein, wird die Beobachtung solange fortgesetzt, bis diese Entscheidung getroffen werden kann.

Geschichte

Entwickelt wurde der SLQT von A. Wald 1942 in den USA. Anwendung fand es vor allem in der Rüstungsindustrie, sodass eine allgemeinzugängliche Publikation erst 1947 erfolgte.

Definition

Untersucht wird die Realisierung xi einer Zufallsgröße X mit der Verteilung f(xi;θ) und dem unbekannten Parameter θ. Es wird dabei die Nullhypothese H0:θ=θ0 gegen die Alternativhypothese H1:θ=θ1 getestet. Dabei soll H0 mit höchstens α und H1 mit höchstens β als Irrtumswahrscheinlichkeit abgelehnt werden.

Für einen festen Stichprobenumfang n mit den Beobachtungen x1,x2,,xn ist die Teststatistik als Likelihood-Quotient (Quotient zweier Likelihood-Funktionen) gegeben durch

𝔏=i=1nf(xi;θ1)f(xi;θ0)

Wählt man nun Entscheidungsgrenzen A und B, dann gelten für die Annahme der Hypothesen folgende Entscheidungsregeln:

  • Fortsetzung der Beobachtung, wenn gilt: B<𝔏<A
  • Annahme von H1, wenn gilt: 𝔏A
  • Annahme von H0, wenn gilt: 𝔏B

Die Entscheidungsgrenzen

Die Festlegung von A und B muss derart gestaltet sein, das α und β eingehalten werden. Dies ist der Fall, falls:

A=1βα
B=β1α

Die Wahrscheinlichkeit P1(θ) die untere Grenze zu erreichen bzw. zu überschreiten wird durch die Operationscharakteristik angegeben. Die Wahrscheinlichkeit P0(θ) die Alternativehypothese anzunehmen, und somit die obere Grenze zu überschreiten wird durch die Gütefunktion beschrieben. Dabei gilt das P0(θ)+P1(θ)=1.

Beispiel

Als Beispiel soll die Herleitung des SLQT für einen 1-Stichprobenvergleich bei binären Daten dienen.

In einer klinischen Studie wird ein neues Medikament in einer Phase-II-Studie getestet. Dabei soll die Studie abgebrochen werden, sobald der Anteil an Patienten mit Nierenversagen innerhalb der ersten 24 Stunden ≥ 25 % ist. Ein Anteil von 10 % ist normal und annehmbar. Die vorgegebenen Irrtumswahrscheinlichkeiten sind α und β.

Nach dem i-ten Patienten liegen y Beobachtungen mit und i-y Beobachtungen ohne Nierenversagen vor. Entsprechend dem Binomialkoeffizienten ist 𝔏=τ1y(1τ1)iyτ0y(1τ0)iy.

Den Fortsetzungsbereich des SLQT erhält man nun durch Logarithmieren und Umformen:

ln(β1α)ln(τ1(1τ0)τ0(1τ1))+ln(1τ01τ1)ln(τ1(1τ0)τ0(1τ1))i<y<ln(1βα)ln(τ1(1τ0)τ0(1τ1))+ln(1τ01τ1)ln(τ1(1τ0)τ0(1τ1))i

Bei τ0=0,1, τ1=0,25, α=0,001, β=0,2 ergibt sich 1,46+0,1659i<y<6,08+0,1659i als Fortsetzungsbereich.

Literatur

  • Abraham Wald: Sequential Analysis John Wiley & Sons, New York NY u. a. 1947.
  • B.K. Ghosh: Sequential Tests of Statistical Hypotheses. Reading: Addison-Wesley 1970
  • Peter Bauer, Viktor Scheiber, Franz X. Wohlzogen: Sequentielle statistische Verfahren. Fischer, Stuttgart u. a. 1986, ISBN 3-437-20343-6.
  • Albrecht Irle: Sequentialanalyse: Optimale sequentielle Tests. Stuttgart: Teubner 1990
  • Holger Wilker: Sequential-Statistik in der Praxis, BoD, Norderstedt 2012, ISBN 978-3848232529.