Zur Hauptseite  ..\

zur Glossarseite    Ohne Frames


Resampling Randomisierungstest

 

Erzeugen von Kombinationen aus den Daten einer Stichprobe

also die Simulation einer Verteilungsfunktion aus den Daten der Stichprobe, indem man die Daten immer wieder neu zusammensetzt ("Resampling"). 

Nach jedem Zusammensetzen wird die interessierende Teststatistik berechnet. Schliesslich wird der Anteil der getesteten Möglichkeiten, bei denen die Teststatistik grösser (oder kleiner) ist als die der Ausgangsdaten zur Beurteilung des Vertrauensbereiches herangezogen.

Man tut im Prinzip so, als ob die vorliegende Stichprobe die gesamte Information der Grundgesamtheit beinhaltet und zieht aus der Stichprobe Unterstichproben. Die gezogenen Unterstichproben können je nach Aufgabenstellung durchaus die Grösse der Stichprobe haben, nur sind sie immer wieder anders zusammengesetzt.

Je nachdem, ob man alle denkbaren Möglichkeiten der Stichprobe durchspielt oder nicht spricht man von exakten oder asymptotischen Tests.

Randomisierungstests werden angewandt bei: 

Randomisierungs-Testverfahren lassen sich unterteilen in: 

Der grundlegende Unterschied zu Monte Carlo Verfahren liegt darin, dass Resampling sich lediglich auf die vorliegende Stichprobe bezieht und nur der Informationsgehalt der Stichprobe genutzt wird.

Bei Monte Carlo Verfahren dagegen werden aus einer Verteilungsfunktion, die die Nullhypothese widerspiegelt, sehr viele Stichproben gezogen. Aus diesen Stichproben werden die Stichprobenkennwerte berechnet.

 

Datenschutzhinweise