Bagaimana untuk membaca ujian bootstrap

Ujian Bootstrap menganggarkan taburan pensampelan dan menilai kepentingan statistiknya dengan berulang kali mensampel dan mengira statistik. Langkah-langkahnya termasuk: persampelan secara rawak daripada data asal dengan penggantian. Kira statistik dan ulang beberapa kali. Buat sampel bootstrapped dan taburan pensampelan statistik. Kira nilai P, yang mengukur kebarangkalian jatuh pada statistik yang diperhatikan atau nilai yang lebih ekstrem. Lebih kecil nilai P, lebih tinggi keertian statistik: Nilai P

Ujian Bootstrap

ujian ialah kaedah statistik yang digunakan untuk menilai taburan persampelan bagi statistik untuk menentukan sama ada ia signifikan secara statistik. Berikut adalah langkah-langkah ujian Bootstrap:
Lukis sampel daripada set data asal:
2. Lukis secara rawak sampel saiz set data asal daripada set data asal dengan penggantian. Iaitu, unsur-unsur yang diekstrak boleh muncul berulang kali dalam sampel.
Kira statistik:
3. Kira statistik minat, seperti min, median atau sisihan piawai, pada sampel yang dilukis.
Ulang langkah 1 dan 2:
4. Ulang langkah 1 dan 2 beberapa kali untuk mencipta banyak sampel dan mengira statistik yang sepadan. Sampel ini dipanggil sampel bootstrapped, dan statistik yang dikira dipanggil statistik bootstrapped.
Cipta taburan pensampelan:
5. Kumpulkan statistik terpasang untuk mencipta taburan pensampelan. Taburan pensampelan menunjukkan cara statistik akan berubah jika anda mengulangi pensampelan dan mengira statistik berkali-kali.
Kira P-value:

P-value ialah kebarangkalian jatuh pada statistik yang diperhatikan atau statistik yang lebih ekstrem. Semakin kecil nilai P, semakin besar syak wasangka bahawa statistik yang diperhatikan dijana oleh persampelan rawak.

P-value dijelaskan

P-value sering digunakan sebagai ukuran kepentingan statistik. Mengikut ambang yang diterima umum, nilai-P:
Nilai-P dianggap signifikan secara statistik, menunjukkan bahawa statistik yang diperhatikan tidak mungkin terhasil daripada pensampelan rawak. 0.05 <= Nilai P < 0.1:
• Dianggap hampir kepada kepentingan, tetapi kepentingan statistik tidak dapat ditentukan dengan jelas.
Nilai P >= 0.1:

dianggap tidak signifikan, menunjukkan bahawa statistik yang diperhatikan mungkin dijana melalui pensampelan rawak.

🎜Perlu diingat bahawa ujian Bootstrap ialah kaedah pensampelan, dan keputusannya bergantung pada sampel Bootstrapped. Oleh itu, ujian Bootstrap mungkin tidak selalu tepat sepenuhnya, tetapi ia biasanya boleh memberikan anggaran yang baik tentang taburan pensampelan statistik. 🎜

Atas ialah kandungan terperinci Bagaimana untuk membaca ujian bootstrap. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!