Bootstrap becslési módszerek

Előszó

Bootstrap módszernek azokat az eljárásokat nevezzük, amelyek során statisztikák tulajdonságait becsüljük véletlen minták alapján, amelyeket egy megfigyelt mintából veszünk. A Bootstrap egy sajátos megközelítési módszer, amely során becsüljük a varianciákat, konfidencia intervallumokat és a statisztikák más tulajdonságait. A Bootstrap egy módszer a statisztikák kiértékelésére. Azon a paradigmán alapszik, amin a klasszikus statisztikai becslési eljárás, amelyek során az alapsokaságból vett minta alapján következtetünk a sokaság eloszlására vagy az eloszlás valamely paraméterére. A Bootstrap eloszlások varianciák, konfidencia intervallumok azonban nem a sokaságból vett mintából, hanem a mintából vett mintából származnak. A Bootstrap minta sajátos minta; minta, amit a megfigyelt adatokból (mintából) visszatevéssel veszünk. A Bootstrap standard hibák és intervallumok rendszerint jobbak, mint azok, amelyek nem ellenőrzött feltevéseken alapulnak. A Bootstrap rugalmassága, hogy olyan statisztikák standard hibáit is megadja, amelyek számítása egyébként nagyon nehéz. Bootstrap a bonyolult matematikát helyettesíti a számítások számának növelésével. Ahelyett, hogy pl. a regressziós együtthatóknak egy vagy két becslését adná, a Bootstrap esetleg több százat számító. Ezeket a számításokat elvégezhetjük olyan programokkal, amelyek lehetővé teszik a makróprogramozást, mint pl. a SAS, azonban Bootstrap becsléseket közvetlenül is kaphatunk az AXIS (An Experimental Interface for Statistics), program segítségével, amit Robert A. Stine (1991) dolgozott ki. Vissza