पदानुक्रमित डेटा से विश्वास अंतराल प्राप्त करना और व्याख्या करना


10

मैं मात्रा X पर बूटस्ट्रैप्ड आत्मविश्वास अंतराल प्राप्त करने में रुचि रखता हूं, जब यह मात्रा प्रत्येक 10 व्यक्तियों में 10 बार मापी जाती है।

एक दृष्टिकोण प्रति व्यक्ति के माध्यम से प्राप्त करना है, फिर साधन को बूटस्ट्रैप करें (जैसे प्रतिस्थापन के साथ साधनों को फिर से जोड़ना)।

एक अन्य दृष्टिकोण बूटस्ट्रैपिंग प्रक्रिया के प्रत्येक पुनरावृत्ति पर निम्नलिखित कार्य करना है: प्रत्येक व्यक्ति के भीतर, उस व्यक्ति के 10 टिप्पणियों को प्रतिस्थापन के साथ फिर से भरना, फिर उस व्यक्ति के लिए एक नया अर्थ की गणना करना और अंत में एक नए समूह की गणना करना। इस दृष्टिकोण में, मूल डेटा सेट में देखे गए प्रत्येक व्यक्ति हमेशा बूटस्ट्रैप प्रक्रिया के प्रत्येक पुनरावृत्ति पर समूह के लिए योगदान करते हैं।

अंत में, एक तीसरा दृष्टिकोण उपरोक्त दो दृष्टिकोणों को संयोजित करना है: व्यक्तियों को फिर से जोड़ना और फिर उन व्यक्तियों के भीतर फिर से जोड़ना। यह दृष्टिकोण पूर्ववर्ती दृष्टिकोण से अलग है कि यह एक ही व्यक्ति को प्रत्येक पुनरावृत्ति पर समूह माध्य में गुणा करने के लिए योगदान करने की अनुमति देता है, हालांकि क्योंकि प्रत्येक योगदान एक स्वतंत्र पुनरुत्पादन प्रक्रिया के माध्यम से उत्पन्न होता है, इन योगदानों को प्रत्येक अभिभावक से थोड़ा भिन्न होने की उम्मीद की जा सकती है।

व्यवहार में, मुझे लगता है कि ये दृष्टिकोण आत्मविश्वास अंतराल के लिए अलग-अलग अनुमान लगाते हैं (उदाहरण के लिए एक डेटा सेट के साथ, मुझे लगता है कि तीसरा दृष्टिकोण पहले दो दृष्टिकोणों की तुलना में बहुत अधिक आत्मविश्वास अंतराल पैदा करता है), इसलिए मैं उत्सुक हूं कि प्रत्येक क्या हो सकता है प्रतिनिधित्व करने के लिए व्याख्या की गई।

जवाबों:


7

आपका पहला दृष्टिकोण S CI के बीच है। यदि आप S के भीतर मापना चाहते हैं तो यह गलत तरीका है।

दूसरा दृष्टिकोण S CI के भीतर उत्पन्न होगा जो केवल उन 10 व्यक्तियों पर लागू होगा।

अंतिम दृष्टिकोण S CI के भीतर के लिए सही है। CI में कोई भी वृद्धि इसलिए होती है क्योंकि आपका CI एक CI का अधिक प्रतिनिधि होता है जिसे उन 10 एस के बजाय जनसंख्या पर लागू किया जा सकता है।


6

डेविसन और हिंकले ("बूटस्ट्रैप के तरीके और उनके आवेदन", 1997, धारा 3.8) के अनुसार, तीसरा एल्गोरिथ्म रूढ़िवादी है। वे चौथे दृष्टिकोण की वकालत करते हैं: बस विषयों को फिर से खोलना।


1
दिलचस्प है, मुझे उस संदर्भ को देखना होगा। क्या आप सुनिश्चित हैं कि आपका मतलब "चौथा" है? मैं जिस सूची को देख रहा हूं उसका पहला वर्णन "बस विषयों को फिर से खोलना" है।
माइक लॉरेंस

1
हां, यह करता है, लेकिन यह विषय के साधनों को फिर से शुरू करने का वर्णन करता है। डी एंड एच विषयों को फिर से भरने और मूल मॉडल को फिट करने की वकालत करता है।
एंड्रयू रॉबिन्सन

2
आप हाल ही में प्रकाशित देखना भी पसंद कर सकते हैं: Ren, Shiquan, Lai, Hong, Tong, Wenjing, Aminzadeh, Mostafa, Hou, Xuezhang and Lai, Shenghan (2010) 'नॉनपार्टीमेट बूटस्ट्रैपिंग फॉर पदानुक्रमिक डेटा', जर्नल ऑफ़ एप्लाइड स्टैटिस्टिक्स, 37: 9, 1487 - 1498
एंड्रयू रॉबिन्सन

2
@ माइक: पूरे क्लासरूम को फिर से खोलना वही सर्वेक्षण है जो सांख्यिकीविद् अपने बूटस्ट्रैप में करते हैं। यह वास्तव में एक अलग प्रक्रिया है जो केवल आपके "पहले" दृष्टिकोण के बराबर होगी यदि (i) आप केवल माध्य का अनुमान लगा रहे हैं, और (ii) डेटा अनिर्दिष्ट और संतुलित हैं। Citeulike.org/user/ctacmo/article/1334050 , citeulike.org/user/ctacmo/article/1475866 , citeulike.org/user/ctacmo-article/582039 भी देखें ।
StasK
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.