Der Bootstrap-Test ist eine nichtparametrische Testmethode, die die statistische Signifikanz statistischer Stichprobenunterschiede durch wiederholtes Abtasten und Berechnen von Statistiken bewertet. Die Schritte umfassen: 1. Wiederholte Stichprobe; 2. Berechnung der Stichprobenverteilung der Statistik; 4. Berechnung des p-Werts der ursprünglichen Statistik; .
Bootstrap-Inspektion
Was ist Bootstrap-Inspektion?
Der Bootstrap-Test ist eine nichtparametrische Testmethode, mit der bewertet wird, ob der Unterschied in den Stichprobenstatistiken statistisch signifikant ist. Es schätzt die Stichprobenverteilung einer Statistik, indem es wiederholt Stichproben aus dem Originaldatensatz zieht und die Statistik für jede Stichprobe berechnet.
Schritte des Bootstrap-Tests
-
Wiederholen Sie die Stichprobe aus dem Originaldatensatz: Wählen Sie durch Stichprobe mit Ersetzung zufällig mehrere Stichproben aus dem Originaldatensatz aus.
-
Berechnen Sie Statistiken für jede Stichprobe: Berechnen Sie für jede gezogene Stichprobe die interessierende Statistik wie Mittelwert, Median oder Differenz.
-
Erstellen Sie eine Stichprobenverteilung von Statistiken: Sammeln Sie alle durch wiederholte Stichproben berechneten Statistiken und erstellen Sie Histogramme ihrer Verteilungen.
-
Berechnen Sie den p-Wert der Originalstatistik: Vergleichen Sie die berechnete Statistik aus dem Originaldatensatz mit der Stichprobenverteilung. Der p-Wert ist die Wahrscheinlichkeit, dass die ursprüngliche Statistik am äußersten Ende der Stichprobenverteilung liegt.
-
Schlussfolgerung: Wenn der p-Wert unter einem voreingestellten Signifikanzniveau (normalerweise 0,05) liegt, lehnen Sie die Nullhypothese ab, dass der Unterschied in der Stichprobenstatistik statistisch signifikant ist.
Vorteile des Bootstrap -Tests
- Es ist nicht erforderlich, Annahmen über die Datenverteilung zu treffen.
- für kleine Stichprobendaten zuverlässiger
- kann zur Bewertung einer Vielzahl von Statistiken verwendet werden
Nachteile des Bootstrap -Tests
- Möglicherweise Rechenintensiv, insbesondere bei großen Datensätzen
- Kann bei stark verzerrten Daten oder Daten mit Ausreißern weniger genau sein
- Kann nicht zur Auswertung von Parametern wie Varianz oder Standardabweichung verwendet werden
Das obige ist der detaillierte Inhalt vonSo führen Sie einen Bootstrap-Test durch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
