Bootstrap - Mikä se on, määritelmä ja käsite

Bootstrap on tilastojen ja ekonometrian mekanismi, joka keskittyy satunnaisen tai satunnaisen otoksen tietojen uudelleenottamiseen. Sen pääasiallinen käyttö on löytää likiarvo analysoitavan muuttujan jakaumalle.

Tämä prosessi tunnetaan myös tilastollisessa ammattikiellossa käynnistysnauhana ja se on tulosta matemaatikko Bradley Efronin 1970-luvun lopun tutkimuksista tilastollisen näytteenoton alalla.

Bootstrap-apuohjelma

Käynnistyshihnan käytön pääasiallinen hyöty on vähentää esijännitystä analyysissä tai toisin sanoen arvioida varianssi suorittamalla satunnaisnäytteenotto alkuperäisestä näytteestä eikä populaatiosta. Tällä tavalla tilastollisten mallien rakentaminen on helpompaa luomalla luottamusvälit ja hypoteesitestit.

Vaikka se saattaa tuntua etukäteen hyvin monimutkaiselta käytännöltä, käynnistysseurannan perustana oleva menettely on yksinkertaisesti suuren määrän näytteiden luominen, jotka sijoittavat tiedot uudelleen alkuperäisen populaationäytteen viitteeksi.

Tämä tekniikka on erityisen hyödyllinen tilanteissa, joissa käytettävissä olevat näytteet ovat pieniä tai, kuten aiemmin mainittiin, jos jakauma on hyvin vinossa. Tässä mielessä ne auttavat ratkaisemaan lukuisia todennäköisyysongelmia ja sovellettuja tilastoja.

Bootstrap-ominaisuudet

Yksi tämän käytännön pääominaisuuksista on, että siihen liittyy myöhempi näytteenotto suljettujen lausekkeiden saamiseksi ja näiden operaatioiden matemaattisen monimutkaisuuden ratkaisemiseksi. Tietokoneiden ja teknisten työkalujen kehityksen myötä viime vuosina on helpompi luottaa käynnistysvanteiden käyttöön monimutkaisessa uudelleennäytteenotossa.

Uudelleen näytteenottotekniikan avulla voimme mennä pidemmälle, kun tutkitaan tietyn populaation datanäytteitä. Toisin sanoen, sen avulla voit tehdä tai luoda uusia oletuksia korvaamalla lisäarvot näytteestä.

Bootstrapin edut

Bootstrap-uudelleennäytteenoton positiivinen puoli on, että se on yksinkertaistanut tilastollisia menetelmiä siinä mielessä, että se on korvannut klassisten ja erittäin monimutkaisten matemaattisten mallien rakentamisen laskelmilla käyttämällä erityisiä ohjelmistoja, mikä on parantanut niiden sovellettavuutta tai pääsyä muille aloille tai tutkimuksiin.

Tämän linjan jälkeen katsotaan yleensä, että tämä mekanismi on paljon avoimempi tai helpompi käyttää kuin klassiset mallit ja oletukset, mikä tekee siitä hyödyllisen työkalun suurelle määrälle matemaattisia ongelmia.