Bootstrapping ist ein statistisches Verfahren, bei dem die Verteilung eines Zielkennwertes durch wiederholtes Ziehen mit Zurücklegen von x Unterstichproben der Größe N aus einer schon erhobenen Stichprobe geschätzt wird.

Die erhobenen Daten werden also im Grunde wie die Gesamtpopulation behandelt, aus der wiederum Stichproben gezogen werden. Für jede gezogene Unterstichprobe wird dabei der interessierende Parameter (z. B. der Mittelwert) berechnet. Aus allen berechneten Mittelwerten lässt sich dann die Verteilung des Zielkennwertes bilden und der Standardfehler der Stichprobenkennwertverteilung schätzen.

Und daraus kann dann wiederum ein p-Wert und ein Konfidenzintervall für den wahren Wert des Zielkennwertes in der Gesamtpopulation abgeleitet werden (siehe auch Zentraler Grenzwertsatz). Das ist besonders wichtig, da wir den wahren Wert unseres Merkmals in der Gesamtpopulation nicht messen können.

Bootstrapping erlaubt uns also eine bessere Schätzung des wahren Zielkennwertes innerhalb der Gesamtpopulation. Und dies geschieht anhand der erhobenen Stichprobe und der aus ihr gezogenen x Unterstichproben.

 

 

Trag dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmässige Tipps für deine empirische Promotion

You have Successfully Subscribed!