Hallo,
ich wollte die Statistiker unter euch fragen, welches der beste statistische Test für folgende Fragestellung ist:
Ich habe Mäuse mit Bakterien infiziert, welche erfolgreich kolonisieren. Des Weiteren habe ich Tiere mit einer Mutante infiziert, welche sich als kolonisationsdefizient herausgestellt haben. Welcher statistische Test ist nun am geeignetsten, um herausfinden zu können, ob es statistisch abgesichert ist, dass die Mutante nicht kolonisiert (es handelt sich daher im Prinzip um eine Ja-Nein-Frage, daher Bakterium kolonisiert oder kolonisiert nicht). Normalerweise nehme ich den Mann-Whitney rank sum Test, aber vielleicht ist dies in diesem Fall nicht der geeignete Test.
Vielen Dank für eure Hilfe und Grüße,
Torsten
Hallo,
Du willst eine Variable mit zwei unterschiedlichen möglichen Werten (also ein sog. binomiale Variable) testen.
Da bietet sich doch der Binomialtest an. Dieser test testet, ob ein gefundener Anteilswert von einem gegebenen Anheilswert (Nullhypothese) abweicht.
Wenn deine Hypothese ist: Die Mutanten kolonisieren NICHT, dann hast du ein „Problem“, weil du festlegen mußt, welchen Anteilswert an Experimenten MIT Kolonien du noch als Experiment mit kolonisierenden Bakterien betrachtest. Beispiel: Du legst fest, dass eine Kolonisationsrate von mind. 10% FÜR die Infektion mit einem Kolonisierenden Stamm spricht. Du machst einen gerichteten Test mit H0: P>=10%. Wenn der statistisch signifikannt ist, verwirfst du H0 und entscheidest dich, den infizierenden Stamm als NICHT-kolonisierend zu bezeichnen.
Etwas anders sieht es aus, wenn du die Kolonisierungsraten von wt und mut Stämmen VERGLEICHEN willst. Das sagt aber letzlich NICHT, dass weine Mutanten nicht-kolonisieren. Wenn das aber deine Frage ist, dann solltest du Fisher’s Exakten Test nehmen (Vierfelder-Test).
Normalerweise
nehme ich den Mann-Whitney rank sum Test, aber vielleicht ist
dies in diesem Fall nicht der geeignete Test.
Der Mann-Whitney Test vergleicht im Prinzip Lageparameter nicht-normalverteilter Größen. Wenn die Größen etwa normalverteilt sind (also nicht erkennbar schief) und/oder du viele (>30) Messwerte pro Gruppe hast, solltest du stattdessen besser den t-Test nehmen, weil der eine größere Power hat.
Für den Vergleich von Anteilswerten ist Fischer’s Exakter Test der Test der Wahl. Weil in alten Zeiten noch keine leistungsstarken Rechner zur Verfügung standen, hat man seinerzeit den Chi²-Test verwendet, der wie der t-Test auf einer Normal-Approximation beruht. Bei sehr großen Stichproben kann man wegen des zentralen Grenzwertsatzes die Anteilswerte selbst als etwa normalverteilt annehmen und kann einen „modifizierten t-Test“ machen.
LG
Jochen