ブートストラップテストの見方

ブートストラップ テストは、サンプリングと統計値の計算を繰り返してサンプリング分布を推定し、その統計的有意性を評価します。手順には次のものが含まれます: 元のデータから置換を使用してランダムにサンプリングします。統計を計算し、複数回繰り返します。ブートストラップされたサンプルと統計のサンプリング分布を作成します。 P 値を計算します。これは、観察された統計値またはより極端な値に該当する確率を測定します。 P 値が小さいほど、統計的有意性は高くなります。 P 値

#ブートストラップ テスト

ブートストラップ テストは、統計の標本分布を評価して統計的に有意かどうかを判断するために使用される統計手法です。ブートストラップ テストの手順は次のとおりです。

元のデータ セットからサンプルを抽出します。

元のデータから元のデータ セットのサイズのサンプルをランダムに選択します。交換用セット。つまり、抽出された要素はサンプル内に繰り返し現れる可能性があります。
1. 統計の計算:
抽出されたサンプルについて、平均、中央値、標準偏差などの関心のある統計を計算します。
2. ステップ 1 と 2 を繰り返します。
ステップ 1 と 2 を複数回繰り返して、多数のサンプルを作成し、対応する統計を計算します。これらのサンプルはブートストラップ サンプルと呼ばれ、計算された統計はブートストラップ統計と呼ばれます。
3. サンプリング分布の作成:
ブートストラップ統計を収集してサンプリング分布を作成します。標本分布は、標本抽出と統計量の計算を何度も繰り返した場合に統計量がどのように変化するかを示します。
4. P 値の計算:
P 値は、観察された統計量またはより極端な統計量に該当する確率です。 P 値が小さいほど、観察された統計がランダムサンプリングによって生成されたという疑いが大きくなります。
5. #P 値の説明

P 値は、統計的有意性の尺度としてよく使用されます。一般に受け入れられているしきい値に基づいて、P 値:

##P 値 は統計的に有意であるとみなされ、観察された統計がランダム サンプリングから生じた可能性が低いことを示します。

• 0.05 有意差に近いと考えられますが、統計的有意性を明確に決定することはできません。
• P 値 >= 0.1: は有意ではないとみなされ、観察された統計がランダム サンプリングによって生成された可能性があることを示します。
• ブートストラップ テストはサンプリング手法であり、その結果はブートストラップされたサンプルに依存することに注意してください。したがって、ブートストラップ テストは必ずしも完全に正確であるとは限りませんが、通常は統計の標本分布の適切な推定値を提供できます。

以上がブートストラップテストの見方の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。