Testování
Jedna z velmi užitečných vlastností robustních distribučních funkcí je jejich přesné porovnávání.
Tato vlastnost se ukazuje velmi vhodná pro alternativní metodu k statistickému testování hypotéz.
Metoda je založena na porovnání dvou distribučních funkcí, kdy jedna z nich je považována za nulovou hypotézu a druhá
je alternativní hypotéza. Jako výsledná kritéria používáme standardní statistické hodnoty jako je hladina významnosti α,
chyba druhého druhu β a síla testu (1-β).
Hodnoty porovnávání získáme přímo z vypočítaných průsečíků obou distribucí. Příklad je uveden na sérii obrázků, kde byly použity pro názornost
generované distribuce normálního rozdělení. Alternativní vzorek budeme vzdalovat posouváním střední hodnoty generátoru náhodného normálního rozdělení
podle parametrů (N(30,2.5,0.5), N(30,2.8,0.5), N(30,3.4,0.5), N(30,4,0.5)).
Následuje příklad z klinické praxe. Objevuje se otázka: Jak porovnat výsledky klinické analýzy
různých vzorků, které ale zaujímají podobný až identický interval mezních hodnot? Jak vypadá rozdělení uvnitř tohoto intervalu?
Odpověď je na následujících obrázcích. První ukazuje, jak lze identifikovat průsečíky distribucí a druhý jak lze porovnávat výsledky několika případů.
Význam tohoto způsobu je také v tom, že není potřeba čekat až na celkové výsledky pokusů nebo léčby, ale vyhodnocovat průběžně během léčení a tím
zareagovat na vývoj procesu.
