Unter Resampling-Verfahren versteht man spezielle Computer-gestützte statistische Auswertungsmethoden. Man benötigt sie, da die Wahrscheinlichkeitsverteilung einer Stichprobenfunktion oder eines statistischen Tests nicht immer (mit vertretbarem Aufwand) bestimmt werden kann. Um auch in diesen Situationen Vertrauensintervalle angeben und Tests durchführen zu können, werden auf der Grundlage der vorhandenen Daten mit Hilfe von Simulationsverfahren (Monte-Carlo-Statistik) große Anzahlen von (Pseudo-Zufalls-) Datensätzen erzeugt (das resampling). Diese werden dann verwendet, um die Verteilung der Stichprobenfunktion, insbesondere deren Streuungsparameter, zu schätzen.
Die Verfahren werden seit den 80er Jahren entwickelt. Die bekanntesten sind Jackknife und Bootstrap.
Resampling Methoden (Jackknife und Bootstrap) sind universelle Hilfsmittel zur Bestimmung der statistischen Eigenschaften von Schätzern und Testgrößen. Grundidee ist die Ziehung von Stichproben (Substichproben) aus einer Ausgangsstichprobe. Man untersucht die Verteilung der Schätz- bzw. Testergebnisse auf diesen Wiederholungsstichproben.
Siehe auch
Bootstrap, parametrischer und nicht-parametrischer Bootstrap, Bootstrap-Konfidenzbereiche, Bootstrap-Tests, Jackknife, Biaskorrektur und Varianzschätzung, Kreuzvalidierung
Literatur
- Y. Shao, D. Tu: The Jackknife and Bootstrap. Springer, New York, 1995
- B. Efron, R.G. Tibshirani: An Introduction to the Bootstrap. Chapman and Hall, New York, 1993