Onderzoek met simulatie-ondersteunde hypothesetoetsing
Onderzoek met simulatie-ondersteunde hypothesetoetsing vervangt of vult analytische kansrekening aan met computationele simulatie — resampling, permutatie of Monte Carlo-methoden — om nulverdelingen te construeren en hypothesen te evalueren. In plaats van een parametrische verdeling aan te nemen en een tabel te raadplegen, genereert de onderzoeker duizenden gesimuleerde datasets uit de waargenomen data of een gespecificeerd model, waarmee een empirische nulverdeling wordt opgebouwd waartegen de waargenomen toetsingsgrootheid wordt vergeleken. De aanpak is met name waardevol wanneer analytische aannames (normaliteit, grote steekproeven) niet kunnen worden voldaan.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman and Hall/CRC. ISBN: 978-0412042317
- Good, P. I. (2005). Permutation, Parametric and Bootstrap Tests of Hypotheses (3rd ed.). Springer. ISBN: 978-0387988641
Deze pagina citeren
ScholarGate. (2026, June 3). Simulation-Assisted Hypothesis Testing Research. ScholarGate. https://scholargate.app/nl/research-design/simulation-assisted-hypothesis-testing-research
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Monte Carlo SimulatieBesluitvorming↔ vergelijken
- Permutatietest (Randomisatietest)Statistiek↔ vergelijken
- PoweranalyseStatistiek↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →