ich habe eine Menge von (kontinuierlichen) Messwerten (eine Menge von Zahlen, so um die 1000, alle unabhaengig, ohne Reihenfolge o.ae.), die ich gerne als eine Art „Nullmodel“ verwenden wuerde. Gleichzeitig habe ich einige „kleine“ Messreihen (zwischen 1 und 10 Werte pro Menge), von denen ich gerne wuesste, wie „(un)aehnlich“ sie meinem Nullmodell sind. Genauer gesagt haette ich halt gern einen P-Value, aus dem ich ableiten kann, wie gut meine „kleinen“ Messreihen mit dem Nullmodell ueberein stimmen. Kann mir jemand sagen, welchen Test ich da am besten nehme?
am einfachsten wäre ein Permutationstest oder der Wilcoxon; in beiden Fällen ist die Hypothese, ob gleiche Verteilung vorliegt.
Zu beachten ist, dass du eigentlich Gleichheit zeigen willst, diese Tests aber auch Unterschiede ansprechen. Eine Nicht-Ablehnung der H0 bedeutet aber keine Bestätigung von H0!
Ausserdem musst du dir das Multiplizitätsproblem vor Augen halten. In dem vorliegenden Fall müsste man aber das Signifikanzniveau nicht verringern, sondern erhöhen.
Klar, der geht auch. Ob der aber einfacher ist, weiß ich nicht. Ausserdem gibt#s davon ja noch eine Reihe mehr, da kommt man schon wieder in die „Qual der Wahl“
Grüße,
JPL
