In statistics, bootstrapping can re

In statistics, bootstrapping can refer to any test or metric that relies on random sampling with replacement. Bootstrapping allows assigning measures of accuracy (defined in terms of bias, variance, confidence intervals, prediction error or some other such measure) to sample estimates.[1][2] This technique allows estimation of the sampling distribution of almost any statistic using very simple methods.[3][4] Generally, it falls in the broader class of resampling methods.

Bootstrapping is the practice of estimating properties of an estimator (such as its variance) by measuring those properties when sampling from an approximating distribution. One standard choice for an approximating distribution is the empirical distribution of the observed data. In the case where a set of observations can be assumed to be from an independent and identically distributed population, this can be implemented by constructing a number of resamples with replacement, of the observed dataset (and of equal size to the observed dataset).

It may also be used for constructing hypothesis tests. It is often used as an alternative to inference based on parametric assumptions when those assumptions are in doubt, or where parametric inference is impossible or requires very complicated formulas for the calculation of standard errors.

ผลลัพธ์ (ไทย) 1:

สถิติ bootstrapping สามารถอ้างอิงถึงการทดสอบหรือวัดที่อาศัยการสุ่มตัวอย่างแบบสุ่มกับแทน Bootstrapping ได้กำหนดการประเมินความถูกต้อง (กำหนดความโน้มเอียง ผลต่าง ช่วงความเชื่อมั่น ข้อผิดพลาดในการทำนาย หรือบางอื่น ๆ เช่นวัด) เพื่อประเมินอย่าง[1][2] เทคนิคนี้ได้ประเมินสุ่มตัวอย่างกระจายทุกสถิติใช้วิธีการง่ายมาก[3][4] โดยทั่วไป มันอยู่ในระดับที่กว้างขึ้นของวิธีการเปลี่ยนความละเอียดของBootstrapping เป็นปฏิบัติการประเมินคุณสมบัติของการประมาณการ (เช่นผลต่างของ) โดยการวัดคุณสมบัติเมื่อสุ่มตัวอย่างจากการกระจาย approximating หนึ่งทางเลือกมาตรฐานการแจก approximating กระจายผลของข้อมูลที่สังเกตได้ ในกรณีที่ชุดสังเกตสามารถปัดเศษไปจากประชากรเป็นอิสระ และกระจายเหมือนกัน นี้สามารถถูกใช้ โดยสร้างเป็นจำนวน ของ resamples กับทดแทน ชุดข้อมูลสังเกต (และขนาดเท่ากับชุดข้อมูลสังเกต)มันยังสามารถใช้สำหรับการสร้างการทดสอบสมมติฐาน มักใช้เป็นทางเลือกตามสมมติฐานพาราเมตริก เมื่อสมมติฐานที่มีข้อสงสัย หรือข้อพาราเมตริกเป็นไปไม่ได้ หรือต้องการสูตรยุ่งยากมากสำหรับการคำนวณข้อผิดพลาดมาตรฐานข้อ

ผลลัพธ์ (ไทย) 2:

ในสถิติร่วมมือสามารถดูการทดสอบใด ๆ หรือตัวชี้วัดที่อาศัยการสุ่มด้วยการเปลี่ยน ความร่วมมือช่วยให้การกำหนดมาตรการของความถูกต้อง (ที่กำหนดไว้ในแง่ของการมีอคติ, ความแปรปรวนช่วงความเชื่อมั่นคาดการณ์ข้อผิดพลาดหรือบางมาตรการดังกล่าวอื่น ๆ ) เพื่อประเมินตัวอย่าง. [1] [2] เทคนิคนี้จะช่วยให้การประเมินของการกระจายตัวอย่างของเกือบทุกสถิติการใช้มาก วิธีการง่ายๆ. [3] [4] โดยทั่วไปจะตกอยู่ในระดับที่กว้างขึ้นของวิธีการ resampling Bootstrapping คือการปฏิบัติของคุณสมบัติการประเมินของประมาณการ (เช่นความแปรปรวนของมัน) โดยการวัดคุณสมบัติเหล่านั้นเมื่อสุ่มตัวอย่างจากการจัดจำหน่ายใกล้เคียงกับ หนึ่งทางเลือกมาตรฐานสำหรับการจัดจำหน่ายใกล้เคียงคือการกระจายของข้อมูลเชิงประจักษ์พบว่า ในกรณีที่ตั้งข้อสังเกตอาจจะคิดว่ามาจากประชากรที่เป็นอิสระและกระจายเหมือนกันนี้สามารถดำเนินการได้โดยการสร้างจำนวน resamples กับการเปลี่ยนของชุดข้อมูลที่สังเกต (และมีขนาดเท่ากันกับชุดข้อมูลที่สังเกตได้) มัน นอกจากนี้ยังอาจถูกนำมาใช้ในการสร้างการทดสอบสมมติฐาน มันมักจะถูกนำมาใช้เป็นทางเลือกในการอนุมานตามสมมติฐานตัวแปรเมื่อสมมติฐานที่มีข้อสงสัยหรือที่อนุมานตัวแปรเป็นไปไม่ได้หรือต้องใช้สูตรที่ซับซ้อนมากในการคำนวณของข้อผิดพลาดมาตรฐาน

ผลลัพธ์ (ไทย) 3:

ในสถิติ bootstrapping สามารถอ้างถึงใด ๆหรือเมตริก การทดสอบที่อาศัยการสุ่มแบบมีตัวแทน ช่วยให้การกำหนดมาตรการของ bootstrapping ความถูกต้อง ( ที่กำหนดไว้ในข้อตกลงของอคติ ความแปรปรวน ความเชื่อมั่น การทำนายผิดพลาดหรือบางอื่น ๆเช่นวัด ) จำนวนประมาณ[ 1 ] [ 2 ] เทคนิคนี้ จะช่วยให้ประเมินตัวอย่างกระจายเกือบทุกสถิติการใช้ง่ายมากวิธีการ [ 3 ] [ 4 ] โดยทั่วไปอยู่ในระดับที่กว้างขึ้นของวิธีการสุ่มซ้ำ

bootstrapping คือการปฏิบัติของการประมาณค่าคุณสมบัติของตัวประมาณค่า ( เช่น ความแปรปรวน ) โดยการวัดคุณสมบัติเหล่านั้นเมื่อ จากการสุ่มตัวอย่างการประมาณการกระจายหนึ่งทางเลือกมาตรฐานสำหรับการประมาณการกระจายเชิงประจักษ์ของการตรวจสอบข้อมูล ในกรณีที่ตั้งข้อสังเกตอาจสันนิษฐานได้จากที่เป็นอิสระและกันการกระจายประชากรนี้สามารถดำเนินการได้โดยการสร้างจำนวนของ resamples แทนของสังเกตชุดข้อมูล ( และขนาดเท่ากับสังเกตข้อมูล

)มันอาจจะใช้สำหรับการสร้างการทดสอบสมมติฐาน มันมักถูกใช้เป็นทางเลือกการอนุมานตามสมมติฐานพารามิเตอร์เมื่อสมมติฐานเหล่านั้นมีข้อสงสัยหรือการอนุมานเชิงเป็นไปไม่ได้หรือต้องใช้สูตรสำหรับการคำนวณที่ซับซ้อนมากของข้อผิดพลาดมาตรฐาน