bootstrap方法是什麼意思

bootstrap方法是什麼意思

Bootstrap方法是非參數統計中一個重要的估計統計變異性，並可進行統計量區間估計的統計方法，也稱為自助法。

其核心思想和基本步驟如下：

（1） 採用重複抽樣技術從原始樣本中抽取一定數量（可自己給定，一般與原始樣本相同）的樣本，此過程允許重複抽樣。

（2） 根據抽出的樣本計算待估計的統計量T。

（3） 重複上述N次（一般大於1000），得到N統計量T。

（4） 計算上述N個統計量T的樣本方差，以此估計統計量T的變異數。

應該說Bootstrap是現代統計學較為流行的統計方法，在小樣本時效果很好。透過方差的估計可以建構信賴區間等，其應用範圍進一步延伸。

具體抽樣方法舉例：想要知道池塘裡面魚的數量，可以先抽取N條魚，做上記號，放回池塘。

進行重複抽樣，抽取M次，每次抽取N條，考察每次抽到的魚當中有記號的比例，綜合M次的比例，在進行統計量的計算。

應用bootstrap的原因：其實，在進行分析的時候，首先要做的就是，判斷隨機變數的類型，然後就是判斷隨機變數的資料服從什麼分佈。什麼分佈至關重要，因為它直接決定能不能分析。舉例：如果進行變異數分析，首先就要求常態分佈，如果不是常態分佈，就要有補救措施，這個補救措施就是bootstrap。 bootstrap還有一個用處，因為經典統計對集中趨勢比較完善，但是對其​​他一些分佈參數，例如中位數，四分位數，標準差，變異係數等的區間估計不完善，所以就需要bootstrap,這種方法。 bootstrap和經典統計方法類似，一般狀況參數法效率高於非參數法，但是，參數法最大的弊端就是需要事先有一個分佈模型，如果模型不符合，分析結果可能錯誤，也就是白分析。

如果資料存在明顯的層次，可以用分層抽樣提高分析效率，spss默認是非參數bootstrap方法，並且採用完全隨機抽樣，所以，如果要求分層抽樣，不能依靠默認，需要自己設置。

還有特別要注意，需要多少個觀測量才是最科學，最合理的，答案是1000個。少於這個數字，計算結果不準確，因為是依照百分位數法計算可信區間，所以，不能太少。如果多於1000個，多數情況下精度改善非常有限，並且浪費系統資源和計算時間。

bootstrap的spss分析中的操作步驟：「分析」～「比較平均值」～「平均值」～選擇好自變數和因變數～「選項」子對話方塊～「儲存格統計量」～ bootstrap子對話框～執行bootstrap複選框

還有一點，如果因變數符合或大概符合常態分佈，bootstrap方法就可以不用。

以上是bootstrap方法是什麼意思的詳細內容。更多資訊請關注PHP中文網其他相關文章！