1. Einleitung. - 1. 1 Statistiken und ihre Stichprobenverteilungen. - 1. 2 Der traditionelle Ansatz. - 1. 3 Das Klappmesser. - 1. 4 Der Bootstrap. - 1. 5 Erweiterungen für komplexe Probleme. - 1. 6 Umfang unserer Studien. - 2. Theorie für das Klappmesser. - 2. 1 Varianzschätzung für Funktionen von Mittelwerten. - 2. 2 Varianzschätzung für Funktionale. - 2. 3 Das Delete-d Klappmesser. - 2. 4 Weitere Anwendungen. - 2. 5 Schlussfolgerungen und Diskussionen. - 3. Theorie für den Bootstrap. - 3. 1 Techniken zum Nachweis von Konsistenz. - 3. 2 Konsistenz: Einige wichtige Ergebnisse. - 3. 3 Genauigkeit und asymptotische Vergleiche. - 3. 4 Feste Sample-Performance. - 3. 5 Geglätteter Bootstrap. - 3. 6 Nicht reguläre Fälle. - 3. 7 Schlussfolgerungen und Diskussionen. - 4. Bootstrap-Konfidenzsätze und Hypothesentests. - 4. 1 Bootstrap-Konfidenzsätze. - 4. 2 Asymptotische Theorie. - 4. 3 Der iterative Bootstrap und andere Methoden. - 4. 4 Empirische Vergleiche. - 4. 5 Bootstrap-Hypothesen-Tests. - 4. 6 Schlussfolgerungen und Diskussionen. - 5. Computational Methods. - 5. 1 Das Delete-1 Klappmesser. - 5. 2 Das Delete-d Klappmesser. - 5. 3 analytische Ansätze für den Bootstrap. - 5. 4 Simulationsansätze für den Bootstrap. - 5. 5 Schlussfolgerungen und Diskussionen. - 6. Anwendungen für Stichprobenerhebungen. - 6. 1 Stichprobenentwürfe und Schätzungen. - 6. 2 Resampling-Methoden. - 6. 3 Vergleiche durch Simulation. - 6. 4 Asymptotische Ergebnisse. - 6. 5 Erneutes Sampling unter Imputation. - 6. 6 Schlussfolgerungen und Diskussionen. - 7. Anwendungen für lineare Modelle. - 7. 1 Lineare Modelle und Regressionsschätzungen. - 7. 2 Varianz- und Bias-Schätzung. - 7. 3 Inferenz und Vorhersage mit dem Bootstrap. - 7. 4 Auswahl der Modelle. - 7. 5 Asymptotische Theorie. - 7. 6 Schlussfolgerungen und Diskussionen. - 8. Anwendungen für nichtlineare nichtparametrische und multivariate Modelle. - 8. 1 Nichtlineare Regression. - 8. 2 Verallgemeinerte lineare Modelle. - 8. 3 Cox' Regressionsmodelle. - 8. 4 Schätzung der Kerndichte. -8. 5 Nichtparametrische Regression. - 8. 6 Multivariate Analyse. - 8. 7 Schlussfolgerungen und Diskussionen. - 9. Anwendungen auf Zeitreihen und andere abhängige Daten. - 9. 1 m-abhängige Daten. - 9. 2 Markov-Ketten. - 9. 3 Autoregressive Zeitreihen. - 9. 4 Weitere Zeitreihen. - 9. 5 Stationäre Prozesse. - 9. 6 Schlussfolgerungen und Diskussionen. - 10. Bayes'scher Bootstrap und zufällige Gewichtung. - 10. 1 Bayes'scher Bootstrap. - 10. 2 Zufällige Gewichtung. - 10. 3 Zufällige Gewichtung für funktionale und lineare Modelle. - 10. 4 Empirische Ergebnisse zur Zufallsgewichtung. - 10. 5 Schlussfolgerungen und Diskussionen. - Anhang A. Asymptotische Ergebnisse. - A. 1 Modi der Konvergenz. - A. 2 Konvergenz der Transformationen. - A. 4 Das Borel-Cantelli-Lemma. - A. 5 Das Gesetz der großen Zahlen. - A. 6 Das Gesetz des iterierten Logarithmus. - A. 7 Einheitliche Integrierbarkeit. - A. 8 Der zentrale Grenzwertsatz. - A. 9 Der Berry-Esséen-Theorem. - A. 10 Edgeworth-Erweiterungen. - A. 11 Cornish-Fisher-Erweiterungen. - Anhang B. Notation. -Referenzen. - Autoren-Index. Sprache: Englisch