Bootstrap und Permutationsverfahren für biometrische Inferenz

Viele statistische Inferenzverfahren beruhen auf asymptotischen Verteilungsannahmen und benötigen daher große Stichprobenumfänge für valide Entscheidungen. In vielen biometrischen Studien, insbesondere in der präklinischen Forschung, sind Stichprobengrößen jedoch sehr klein. Einen möglichen Ausweg bieten Resampling-Verfahren, die statt der asymptotischen Verteilung datenbasierte kritische Werte verwenden, und insbesondere bei kleinen Fallzahlen den Fehler 1. Art der Testverfahren akkurat kontrollieren. Wir betrachten gängige Bootstrap- und Permutationsverfahren und ihre Anwendung in unterschiedlichen statistischen Modellen, sowohl für abhängige als auch unabhängige Daten. Dabei konzentrieren wir uns auf Signifikanztests, aber die gleichen Ideen gelten auch für die Konstruktion von Konfidenzintervallen. Neben konkreten Empfehlungen zur Auswahl eines geeigneten Resampling-Verfahrens geben wir auch Hinweise zu statistischer Software.