| dc.contributor.advisor | Brunner, Edgar Prof. Dr. | de |
| dc.contributor.author | Konietschke, Frank | de |
| dc.date.accessioned | 2013-01-31T08:07:21Z | de |
| dc.date.available | 2013-01-31T08:07:21Z | de |
| dc.date.issued | 2009-10-28 | de |
| dc.identifier.uri | http://hdl.handle.net/11858/00-1735-0000-000D-F24A-8 | de |
| dc.identifier.uri | http://dx.doi.org/10.53846/goediss-3639 | |
| dc.description.abstract | Die meisten Versuche in den
Biowissenschaften haben eine faktorielle Struktur, das heißt
mehrere Faktoren beeinflussen gleichzeitig den interessierenden
Messwert. Weiterhin ist die Annahme der Normalverteilung der Daten
in der Praxis häufig nicht erfüllt, so dass nichtparametrische
Verfahren verwendet werden müssen. Die Analyse solcher Daten
geschieht klassischerweise mithilfe einer Varianzanalyse (ANOVA).
Dabei ergeben sich folgende Schwierigkeiten: 1. Die Globalhypothese
ist in der Regel nicht die Hauptfrage des Anwenders. 2. Bei
Ablehnung der Globalhypothese werden multiple Vergleiche
durchgeführt, wobei die Testentscheidungen häufig nicht zur
globalen Testentscheidung kompatibel sind. 3. Nichtparametrische
Verfahren können im Allgemeinen nicht zur Berechnung von
Konfidenzintervallen für die Effekte verwendet werden. In der
Arbeit werden neue nichtparametrische simultane Konfidenzintervalle
und multiple Kontrasttests für relative Effekte hergeleitet. Die
Verfahren vereinigen die drei Schritte einer Varianzanalyse in
einem einzigen Schritt, wobei die Kompatibilität der multiplen
Vergleiche und der globalen Testentscheidung gesichert ist. | de |
| dc.format.mimetype | application/pdf | de |
| dc.language.iso | ger | de |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ | de |
| dc.title | Simultane Konfidenzintervalle für nichtparametrische relative Kontrasteffekte | de |
| dc.type | doctoralThesis | de |
| dc.title.translated | Simultaneous Confidence Intervals for Non-parametric Relative Contrast Effects | de |
| dc.contributor.referee | Brunner, Edgar Prof. Dr. | de |
| dc.date.examination | 2009-07-20 | de |
| dc.subject.dnb | 310 Statistik | de |
| dc.subject.gok | EGCG 100 EGCG 150 EGCG 200 | de |
| dc.description.abstracteng | In general, biological experiments have a
factorial structure, i.e. many factors affect the response
variable. Hereby, the assumption of normality of the data is often
not fulfilled, such that there is a need for non-parametric
procedures. The statistical analysis of those data is usually
performed using analysis of variance (ANOVA) procedures. But, the
application of these procedures has disadvantages: (i) The global
hypothesis tested by analysis of variance (quadratic tests) is, in
general, not the question of practitioners. (ii) When the global
hypothesis is rejected, then multiple comparison procedures must be
applied, but the results are often not compatible with the global
test. (iii) Most nonparametric procedures cannot provide meaningful
confidence intervals for the underlying effects. The thesis
develops non-parametric multiple contrast tests and simultaneous
confidence intervals for relative effects. The three steps most
commonly performed consecutively in the analysis of data from
factorial experiments are unified by this procedure in one step,
thereby avoiding incompatible results between an overall test,
pairwise comparisons and confidence intervals. | de |
| dc.contributor.coReferee | Schlather, Martin Prof. Dr. | de |
| dc.contributor.thirdReferee | Hothorn, Torsten Prof. Dr. | de |
| dc.subject.topic | Mathematics and Natural Science | de |
| dc.subject.ger | Simultane Konfidenzintervalle | de |
| dc.subject.ger | relative Effekte | de |
| dc.subject.eng | Simultaneous confidence intervals | de |
| dc.subject.eng | relative effects | de |
| dc.subject.bk | 31.73 | de |
| dc.identifier.urn | urn:nbn:de:gbv:7-webdoc-2246-1 | de |
| dc.identifier.purl | webdoc-2246 | de |
| dc.identifier.ppn | 617294496 | de |