Dieses Kapitel beschäftigt sich mit der Validierung von statistischen Modellen. Zu Beginn des Kapitels führen wir zentrale Begriffe und Paradigmen der statistischen Modellierung ein, und wir unterscheiden die möglichen Verwendungszwecke von statistischen Modellen (welche beschreibend, erklärend oder prädiktiv sein können). Anschließend besprechen wir Validierungsstrategien, die üblicherweise für beschreibende und erklärende Modelle verwendet werden. Die weiteren Abschnitte widmen sich der Validierung von prädiktiven Modellen: Zunächst führen wir grundlegende Konzepte für die Messung des Vorhersagefehlers von prädiktiven Modellen ein und behandeln zentrale Begriffe wie z. B. den Bias-Variance-Trade-off. Danach diskutieren wir einige wünschenswerte Eigenschaften von prädiktiven Modellen, u. a. Kalibrierung, Schärfe und Trennschärfe. Neben einer Übersicht über wichtige Maßzahlen für die Bewertung von prädiktiven Modellen enthält dieses Kapitel auch eine Beschreibung von Strategien zur Schätzung des Vorhersagefehlers, insbesondere Kreuzvalidierung und Bootstrap.