Auszug
Klassische Statistik verwendet parametrische Verfahren, um Test-Statistiken zu berechnen (z. B. t-, F-, r-Werte), deren Signifikanz dann durch Abgleich mit entsprechenden Tabellen eingeschätzt wird. Diese Verfahren setzen aber eine Normalverteilung der Fehler und homogene Varianzen voraus (Kap. 3.1). Ist das nicht gegeben oder sind — wie in vielen Spezialfällen — die nötigen Tabellen gar nicht bekannt, können Resampling-Verfahren Abhilfe schaffen. Sie generieren eine statistische Referenzverteilung aus den Daten selbst. Das erlaubt robuste Schätzungen von z. B. Signifikanzniveaus. Zu dieser Gruppe von Methoden gehören Permutationstests, Bootstrap- und Jackknife-Verfahren (Manly 1998). Genauer werden wir hier nur auf Permutationstests eingehen, da diese u. a. bei Ordinationsverfahren eine Rolle spielen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2007 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
(2007). Permutationsbasierte Tests. In: Multivariate Statistik in der Ökologie. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-37706-1_17
Download citation
DOI: https://doi.org/10.1007/978-3-540-37706-1_17
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-37705-4
Online ISBN: 978-3-540-37706-1
eBook Packages: Life Science and Basic Disciplines (German Language)