Konkret
eine 0,35-0,40,0,25-Überlegenheit bringt bei 100 Partien mit Wahrscheinlichkeit 0,527 mindestens 55,0 Punkte
Bei 0,30-0,50,0,20-Überlegenheit ist die Wahrscheinlichkeit für mindestens 55,0 Punkte 0,529.
Das ist in meinen Augen fast gleich!

Du sprachst von einem 'deutlichen' Spielstärkeunterschied, betrachte ich mal ein sehr deutliches "Mindestens 60,0 Punkte"
Da ist die Wahrscheinlichkeit bei  der 0,35-0,40,0,25-Überlegenheit: 0,108
Bei 0,30-0,50,0,20-Überlegenheit ist diese Wahrscheinlichkeit: 0,087

Und wie sieht es bei "Höchstens 50,0 Punkte" aus:
Bei 0,35-0,40,0,25-Überlegenheit: 0,134
Bei 0,30-0,50,0,20-Überlegenheit: 0,112

Für mich bedeutet das:
Ja, du hast prinzipiell recht, bei kürzeren Zeiten (und dadurch eben kleinerer remis-Quote) ist die Streuung geringfügig größer.
In meinen Augen ist die Differenz aber sehr deutlich zu gering, als dass ich mich zu einer Aussage "Grundsätzlich halte ich 152 Partien bei längeren Bedenkzeiten für Aussagekräftiger"  hinreißen lassen könnte.

Zumal (müsste ich noch mal genauer betrachten):
Bei längeren Zeiten verkleinern sich nach meinem Eindruck im Allgemeinen die Überlegenheiten. (Hast du auch diesen Eindruck?)
Du bekommst dann also in der Regel knappere Ergebnisse, was die Fehlerwahrscheinlichkeit dann wieder vergrößert.

Benno

Patrick, ich glaube, da verwechselst du statistische Signifikanz, die hier nur von der Partienzahl abhängt bei sonst gleichem Design der Statistik, mit etwas, was du als "Aussagekraft" bezeichnest, statistisch gesehen aber nur eine andere Interpretation des Ergebnisses ist.
Ich bin ja auch der Meinung, dass längere Bedenkzeiten Einfluss auf das qualitative Ergebnis haben, aber nur auf das der einzelnen Partie, die oder das wiederum interessiert aber bei der Statistik, bei der nur ganze und halbe Punkte gezählt werden, nicht.

Das ist ja eben der Knackpunkt bei dem ganzen Rating- Dilemma das wir jetzt schon länger haben: die Merkmalsdifferenzen zwischen den engines werden mit zunehmender Bedenkzeit kleiner, nicht größer, weil die Remisrate steigt, wir brauchen also mehr Partien um zur gleichen statistischen Signifikanz zu kommen, nicht weniger, je länger die TC ist, je stärker die engines werden, je mehr starke es werden und je besser die Hardware wird.
Drum müssen wir mit Ultrakurz, single core und einem Teilnehmerfeld testen, das entsprechend viel "Kanonenfutter" an inferioren Gegnern enthält, um noch genug Partiematierial zusammenzubringen, und dass selektivere (weniger ausgeglichene) Eröffnungsstellungen auch helfen, hat Stefan auch als einer der ersten Tester völlig richtig erkannt oder jedenfalls als einer der ersten oder eigentlich als Erster praktisch umgesetzt.