Zusammenfassung
In diesem Beitrag wird die Diagnostik unbeobachteter oder latenter Heterogenität diskutiert. Dabei wird unter latenter Heterogenität verstanden, daß die Population aus einer unbekannten Anzahl von Subpopulationen besteht, die nicht beobachtet werden. Von daher kann nur von der Mischverteilungsannahme ausgegangen werden, daß die Beobachtung X einer nichtparametrischen Mischverteilung \({\rm{f}}({\rm{x}},{\rm{P}}) = \sum\nolimits_{{\rm{j}} = 1}^{\rm{k}} {{\rm{f}}({\rm{x}},{\vartheta _{\rm{j}}}){{\rm{p}}_{\rm{j}}}}\) entstammt, wobei die mischende Verteilung P den (Mittelwerts-)Parametern ϑj Gewicht pj gibt. Gute Einführungen in diese Modelle findet man in Lindsay (1983), Titterington, Smith & Makov (1985), McLachlan & Basford (1988), Böhning (1989). Die statistische Analyse dieser Form von Populationsheterogenität ist aus mehreren Gründen interessant: zwei seien hier erwähnt. Die Subpopulationen, die in der statistischen Analyse gefunden werden, lassen oft Interpretationen zu, wie Niedrig- und Hochrisikogruppen. Eine clusteranalytische Anwendung dieser Art für Todesfälle am Sudden Infant Death wird von Symons, Grimson & Yuan (1983) diskutiert. Wird Populationsheterogenität ignoriert, so braucht die (üblicherweise) benutzte statistische Inferenz keine Gültigkeit mehr zu haben. Wird beispielsweise ein 95%iges exaktes Konfidenzintervall für die Anzahl der Todesfälle angegeben, geschieht dies unter der Annahme einer einzigen (k=1) Poissonverteilung für die Anzahl der Todesfälle. Liegt Populationsheterogenität vor, kann die Überdeckungswahrscheinlichkeit weit unterschätzt werden. (Dies liegt an der Tatsache, daß Populationsheterogenität zu Überdispersion führt.) Anwendungen dieser Art findet man z.B. in Gibbons, Clark & Fawcett (1990), Böhning, Lindsay & Schlattmann (1991).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Bhattacharya, C.G. (1967). A simple method of resolution of a distribution into Gaussian components. Biometrics 23, 115–135.
Böhning D. (1989). Likelihood Inference for Mixtures: Geometrical and Other Constructions of Monotone Step-length Algorithms. Biometrika 76, 375–83.
Böhning D., Lindsay B.G., Schlattmann P. (1991). Statistical Methodology For Suicide Cluster Analysis. American Journal of Epidemiology, (erscheint demnächst).
Böhning D., Schlattmann P., Lindsay, B.G. (1991). Computer Assisted Analysis of Mixtures (C.A.MAN): Statistical Algorithms. Biometrics 47, (erscheint demnächst).
Fowlkes, E.B. (1979). Some methods for studying the mixture of two normal (lognormal) distributions. J. Amer. Statist. Assoc. 74, 561–575.
Ganesalingam S. (1989). Classification and Mixture Approaches to Clustering via Maximum Likelihood. Appl. Statist. 38, 455–66.
Gibbons R.D., Clark D.C., Fawcett J. (1990). A Statistical Method For Evalutating Suicide Clusters And Implementing Cluster Surveillance. American Journal of Epidemiology 132, S183–91.
Gunga, H.-C., Forson, K., Amegby, N., Kirsch, K. (1991). Lebensbedingungen und Gesundheitszustand von Berg- und Fabrikarbeitern im tropischen Regenwald von Ghana. Arbeitsmedizin Sozialmedizin Präventivmedizin 26, 17–25.
Lindsay B.G. (1983). The Geometry of Mixture Likelihoods: a General Theory. Annals of Statistics 11, 86–94.
Lindsay B.G. (1986). Exponential Family Mixture Models (with Least-Squares Estimators). The Annals of Statistics 14, 124–37.
Lindsay B.G., Roeder K. (1990). Residual Diagnostics for Mixture Models. Reports and Preprints, Department of Statistics, Yale University: New Haven
Mclachlan, G J., Basford, K.E. (1988). Mixture Models: Inference and Applications to Clustering. New York: Marcel Dekker.
Schelp, F.-P., Sormani, S., Pongpaew, P., Vudhivai, N., Egormaiphol, S., Böhning, D. (1990). Seasonal Variation of Wasting and Stunting in Preschool children during a three-year community-based nutritional Intervention Study in northeast Thailand.. Trop. Med. Parasitol. 41, 279–285.
Snaked M. (1980). On Mixtures From Exponential Families. J. Roy. Statist. Soc. B 42, 192–98.
Symons M J., Grimson R.C., Yuan Y.C. (1983). Clustering of Rare Events. Biometrics 39, 193–205.
Titterington D.M., Smith A.F.M., Makov U.E. (1985). Statistical Analysis of Finite Mixture Distributions. John Wiley and Sons: New York.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1992 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Böhning, D. (1992). Grafische Diagnostik Unbeobachteter Heterogenität. In: van Eimeren, W., Überla, K., Ulm, K. (eds) Gesundheit und Umwelt. Medizinische Informatik, Biometrie und Epidemiologie, vol 75. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-51151-6_12
Download citation
DOI: https://doi.org/10.1007/978-3-642-51151-6_12
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-55279-6
Online ISBN: 978-3-642-51151-6
eBook Packages: Springer Book Archive