Matches in SemOpenAlex for { <https://semopenalex.org/work/W44434524> ?p ?o ?g. }
Showing items 1 to 40 of
40
with 100 items per page.
- W44434524 endingPage "204" @default.
- W44434524 startingPage "191" @default.
- W44434524 abstract "Bei der Inferenzstatistik interessiert man sich fur die Verteilung von statistischen Kennwerten, um von einer Stichprobe auf die Grundgesamtheit zu schliesen. Bei parametrischen Verfahren wird die interessierende Verteilung mathematisch hergeleitet, indem gewisse theoretische Annahmen uber die Verteilungsform gemacht werden. Im Gegensatz hierzu wird bei nichtparametrischen Verfahren keine Grundannahme dieser Art getroffen. Die Verteilungsform wird stattdessen direkt aus der empirisch vorliegenden Stichprobe ermittelt. Wahrend bereits verschiedene spezifische nichtparametrische Verfahren fur einzelne statistische Kennwerte vorgeschlagen wurden, ist das Bootstrap-Verfahren gegenuber den anderen Verfahren uberlegen, da es auf unterschiedlichste statistische Kennwerte anwendbar ist. Auserdem ist seine Vorgehensweise relativ einfach zu implementieren. Das Bootstrap-Verfahren rekonstruiert die Verteilung des interessierenden statistischen Kennwerts direkt aus einer Stichprobe, indem viele Bootstrap-Stichproben aus der untersuchten Stichprobe „mit Zurucklegen“ gezogen werden. Diese Bootstrap-Stichproben simulieren namlich die potenziellen Stichproben aus der Grundgesamtheit. Fur die gezogenen einzelnen Bootstrap-Stichproben kann man den interessierenden statistischen Kennwert berechnen. So lasst sich eine Verteilung der Kennwerte rekonstruieren. Daraus lassen sich der Standardfehler und/oder das Konfidenzintervall ermitteln. Die breite Anwendbarkeit des Verfahrens auf unterschiedliche statistische Kennwerte wird dadurch ermoglicht, dass fur die Verwendung von Bootstrap in Bezug auf Stichprobe und Grundgesamtheit deutlich weniger Voraussetzungen erfullt sein mussen als bei den ublichen parametritschen inferenzstatistischen Verfahren. Andererseits ist das Bootstrap-Verfahren starker von der Stichprobe abhangig, sodass die Qualitat der Stichprobe beachtet werden muss, bevor diese Methode eingesetzt werden kann." @default.
- W44434524 created "2016-06-24" @default.
- W44434524 creator A5021319576 @default.
- W44434524 date "2010-01-01" @default.
- W44434524 modified "2023-09-23" @default.
- W44434524 title "Einführung in die Inferenz durch den nichtparametrischen Bootstrap" @default.
- W44434524 cites W1578330309 @default.
- W44434524 cites W2043100664 @default.
- W44434524 cites W2043967969 @default.
- W44434524 cites W2112688502 @default.
- W44434524 cites W2327088997 @default.
- W44434524 cites W3106889297 @default.
- W44434524 cites W4252542285 @default.
- W44434524 cites W4254465242 @default.
- W44434524 cites W4298872162 @default.
- W44434524 doi "https://doi.org/10.1007/978-3-531-92038-2_9" @default.
- W44434524 hasPublicationYear "2010" @default.
- W44434524 type Work @default.
- W44434524 sameAs 44434524 @default.
- W44434524 citedByCount "6" @default.
- W44434524 countsByYear W444345242015 @default.
- W44434524 countsByYear W444345242016 @default.
- W44434524 countsByYear W444345242017 @default.
- W44434524 countsByYear W444345242020 @default.
- W44434524 countsByYear W444345242023 @default.
- W44434524 crossrefType "book-chapter" @default.
- W44434524 hasAuthorship W44434524A5021319576 @default.
- W44434524 hasConcept C142362112 @default.
- W44434524 hasConcept C15708023 @default.
- W44434524 hasConceptScore W44434524C142362112 @default.
- W44434524 hasConceptScore W44434524C15708023 @default.
- W44434524 hasLocation W444345241 @default.
- W44434524 hasOpenAccess W44434524 @default.
- W44434524 hasPrimaryLocation W444345241 @default.
- W44434524 isParatext "false" @default.
- W44434524 isRetracted "false" @default.
- W44434524 magId "44434524" @default.
- W44434524 workType "book-chapter" @default.