Kas yra įkrovimas statistikoje?
stevecoleimages / Getty Images
Bootstrapping yra statistinis metodas, kuris patenka į platesnę pakartotinio atrankos kategoriją. Šis metodas apima gana paprastą procedūrą, tačiau kartojama tiek kartų, kad ji labai priklauso nuo kompiuterinių skaičiavimų. Bootstrapping suteikia kitą metodą nei pasikliautinieji intervalai populiacijos parametro įvertinimui. Atrodo, kad „Bootstrapping“ veikia kaip magija. Skaitykite toliau, kad sužinotumėte, kaip jis gauna įdomų pavadinimą.
Bootstrapping paaiškinimas
Vienas tikslas išvadinė statistika yra nustatyti populiacijos parametro reikšmę. Paprastai tai per brangu arba net neįmanoma išmatuoti tiesiogiai. Taigi mes naudojame statistinė atranka . Mes atrenkame populiaciją, išmatuojame šios imties statistiką ir tada naudojame šią statistiką norėdami pasakyti ką nors apie atitinkamas parametras gyventojų.
Pavyzdžiui, šokolado fabrike norėtume garantuoti, kad saldainių batonėliai turi ypatingų savybių reiškia svorio. Neįmanoma pasverti visų pagamintų saldainių, todėl mes naudojame mėginių ėmimo metodus, kad atsitiktinai atrinktume 100 saldainių. Apskaičiuojame šių 100 saldainių vidurkį ir sakome, kad populiacijos vidurkis patenka į paklaidos ribą, palyginti su mūsų imties vidurkiu.
Tarkime, kad po kelių mėnesių mes norime sužinoti tiksliau – ar mažiau a paklaidos riba – koks buvo vidutinis saldainių svoris tą dieną, kai paėmėme gamybos linijos mėginius. Negalime naudoti ir šiandieninių saldainių daug kintamųjų pateko į paveikslėlį (skirtingos pieno, cukraus ir kakavos pupelių partijos, skirtingos atmosferos sąlygos, skirtingi darbuotojai linijoje ir pan.). Viskas, ką turime nuo tos dienos, kuri mums įdomu, yra 100 svarmenų. Be to laiko mašinos, atrodytų, kad pradinė paklaida yra geriausia, ko galime tikėtis.
Laimei, galime naudoti bootstrapping technika . Šioje situacijoje mes atsitiktinai pavyzdys su pakeitimu iš 100 žinomų svorių. Tada tai vadiname įkrovos pavyzdžiu. Kadangi leidžiame pakeisti, šis įkrovos pavyzdys greičiausiai nėra identiškas mūsų pradiniam pavyzdžiui. Kai kurie duomenų taškai gali būti dubliuoti, o kiti duomenų taškai iš pradinio 100 gali būti praleisti įkrovos pavyzdyje. Kompiuterio pagalba per gana trumpą laiką galima sukonstruoti tūkstančius įkrovos pavyzdžių.
Pavyzdys
Kaip minėta, norėdami iš tikrųjų naudoti įkrovos metodus, turime naudoti kompiuterį. Šis skaitinis pavyzdys padės parodyti, kaip veikia procesas. Jei pradėsime nuo 2, 4, 5, 6, 6 pavyzdžio, visi šie galimi įkrovos pavyzdžiai:
- 2, 5, 5, 6, 6
- 4, 5, 6, 6, 6
- 2, 2, 4, 5, 5
- 2, 2, 2, 4, 6
- 2, 2, 2, 2, 2
- 4,6, 6, 6, 6
Technikos istorija
„Bootstrap“ metodai yra palyginti nauji statistikos srityje. Pirmasis panaudojimas buvo paskelbtas 1979 m. Bradley Efron straipsnyje. Didėjant skaičiavimo galiai ir tampant pigesnėms, įkrovos technologijos tapo plačiau paplitusios.
Kodėl pavadinimas Bootstrapping?
Pavadinimas „bootstrapping“ kilęs iš frazės „Pakelti save už savo bootstraps“. Tai reiškia kažką, kas yra absurdiška ir neįmanoma. Stenkitės kiek galite, nes negalite pakilti į orą tempdami ant batų odos gabalėlius.
Yra tam tikra matematinė teorija, kuri pateisina įkrovos metodus. Tačiau naudojant „bootstrapping“ atrodo, kad darote neįmanomą. Nors neatrodo, kad galėtumėte pagerinti populiacijos statistikos įvertinimą pakartotinai naudodami tą patį pavyzdį, iš tikrųjų tai gali padaryti naudojant įkrovos funkciją.