जब माध्य के विश्वास अंतराल का अनुमान लगाते हैं, तो मुझे लगता है कि बूटस्ट्रैप टी विधि और नॉनपरमेट्रिक बूटस्ट्रैप विधि दोनों ही लागू हो सकती हैं, लेकिन पूर्व में थोड़ी अधिक गणना की आवश्यकता होती है।
मुझे आश्चर्य है कि सामान्य अपारदर्शी बूटस्ट्रैप पर बूटस्ट्रैप टी के फायदे और नुकसान क्या हैं? क्यों?
क्या इसे समझाने के लिए कुछ संदर्भ हैं?
जवाबों:
बूटस्ट्रैप- अभी भी पैरामीट्रिक डिस्ट्रीब्यूशन के लिए मान्यताओं पर निर्भर करता है: यदि स्टैटिस्टिक वितरण को सामान्य वितरण है, तो आप बूटस्ट्रैप- पद्धति का उपयोग कर सकते हैं । यह एक सममित सीआई को जन्म देगा।
यदि, हालांकि, नमूना वितरण तिरछा या पक्षपाती है, तो प्रतिशतक बूटस्ट्रैप (जो असममित सीआई के लिए अनुमति देता है) का उपयोग करना बेहतर है।
अब, आपको किस विधि का उपयोग करना चाहिए?
बूटस्ट्रैप किए गए माध्य के बारे में: विल्कोक्स (2010) द्वारा सिमुलेशन के अनुसार, पर्सेंटाइल बूटस्ट्रैप का उपयोग अचूक साधनों के लिए नहीं किया जाना चाहिए (इस मामले में बूटस्ट्रैप- बेहतर काम करता है); 20% ट्रिमिंग से शुरू, पर्सेंटाइल बूटस्ट्रैप बूटस्ट्रैप- (10% ट्रिमिंग के लिए स्थिति स्पष्ट नहीं है) को बेहतर बनाता है।
एक और संकेत हेस्टरबर्ग एट अल से आता है। (2005, पी। 14-35):
बूटस्ट्रैप टी और बूटस्ट्रैप प्रतिशताइल इंटर-वैल के सुरक्षित उपयोग के लिए स्थितियां थोड़ी अस्पष्ट हैं। हम अनुशंसा करते हैं कि आप जाँच करें कि क्या ये अंतराल एक दूसरे के साथ तुलना करके उचित हैं। यदि बूटस्ट्रैप वितरण का पूर्वाग्रह छोटा है और वितरण सामान्य के करीब है, तो बूटस्ट्रैप टी और पर्सेंटाइल विश्वास अंतराल बारीकी से सहमत होंगे। प्रतिशत अंतराल, संयुक्त राष्ट्र की तरह टी अंतराल, तिरछापन की अनदेखी न करें। प्रतिशत अंतर इसलिए usu- सहयोगी अधिक सटीक हैं, जब तक कि पूर्वाग्रह छोटा है। क्योंकि हम जल्द ही बहुत अधिक सटीक बूटस्ट्रैप अंतरालों को पूरा करेंगे, हमारी सिफारिश है कि जब बूटस्ट्रैप टी और बूटस्ट्रैप सेंटीवल अंतराल निकटता से सहमत न हों, तो किसी भी प्रकार के अंतराल का उपयोग नहीं किया जाना चाहिए।
-> असहमति के मामले में बीसीए-सही बूटस्ट्रैप सीआई का बेहतर उपयोग करें!
हेस्टरबर्ग, टी।, मोनाघन, एस।, मूर, डी।, क्लिप्ससन, ए।, और एपस्टीन, आर। (2005)। बूटस्ट्रैप विधियाँ और क्रमपरिवर्तन परीक्षण। सांख्यिकी के अभ्यास का परिचय, 14.114.70।
विलकॉक्स, आरआर (2010)। आधुनिक सांख्यिकीय विधियों के मूल तत्व: शक्ति और सटीकता में पर्याप्त सुधार। स्प्रिंगर वर्लग।