Berliner und Münchener Tierärztliche Wochenschrift 118
© Schlütersche Verlagsgesellschaft mbH & Co. KG. 2005
Publiziert: 08/2005
Zusammenfassung
Die Entwicklung standardisierter Methoden für Ringversuche wurde in den letzten Jahren weiter vorangetrieben. Die statistischen Auswertungsmethoden, insbesondere die Berechnung von Schätzungen für Wiederholbarkeit und Reproduzierbarkeit, werden hier kritisch betrachtet. Abgesehen von der konservativen Methode der Varianzanalyse kommen verstärkt robuste Methoden in die Diskussion. Wir möchten anhand verschiedener Ringversuche, die in letzter Zeit durchgeführt wurden, diese Methoden vergleichen und diskutieren. Wenn wir von einer Normalverteilung der Daten ausgehen können, sind alle Schätzungen theoretisch korrekt und effizient. Aber es ist bisher wenig bekannt über das Verhalten der robusten Schätzwerte, wenn die Normalverteilungsannahme verletzt ist. Auch müssen wir nach wie vor anmerken, dass eine Anwendung von robusten Verfahren ohne vorherigen kritischen Blick auf die Daten nicht vernünftig ist. Daher wollen wir Möglichkeiten der grafischen Darstellung aufzeigen, um auf einen Blick Labore mit auffälligen Ergebnissen zu identifizieren.Summary
During the last years there was a lot of progress to be seen in the development of standardized methods for microbiological ring trials. The statistical analyzing strategies, in particular the calculation of estimations for the parameters repeatability and reproducibility, will be considered in this paper. Apart from the conservative method of the variance analysis robust methods are increasingly discussed. We will compare and discuss these methods using data of recently realized ring trials. If we can assume a normal distribution of our data, then all estimations are theoretically precise and efficient. But up to now, we know very little about the character of the robust estimations, if the normal distribution cannot be assumed. In addition to this, we have to mention once more, that the use of robust estimators is unreasonable without taking a critical look on the data themselves. Thus, we will show the possibilities of graphical presentation of all data to identify laboratories with critical results.