حياة

مثال على Bootstrapping

مثال على Bootstrapping



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Bootstrapping هو تقنية إحصائية قوية. إنه مفيد بشكل خاص عندما يكون حجم العينة الذي نعمل معه صغيرًا. في ظل الظروف المعتادة ، لا يمكن التعامل مع أحجام العينات التي تقل عن 40 من خلال افتراض توزيع عادي أو توزيع t. تعمل تقنيات Bootstrap بشكل جيد مع العينات التي تحتوي على أقل من 40 عنصرًا. والسبب في ذلك هو أن bootstrapping ينطوي على إعادة أخذ العينات. لا تتحمل هذه الأنواع من التقنيات شيئًا عن توزيع بياناتنا.

أصبح Bootstrapping أكثر شعبية حيث أصبحت موارد الحوسبة متاحة بسهولة أكبر. هذا لأنه لكي يكون bootstrapping عمليًا ، يجب استخدام الكمبيوتر. سنرى كيف يعمل هذا في المثال التالي من bootstrapping.

مثال

نبدأ بعينة إحصائية من مجتمع لا نعرف شيئًا عنه. سيكون هدفنا هو فاصل الثقة 90 ٪ حول متوسط ​​العينة. على الرغم من أن التقنيات الإحصائية الأخرى المستخدمة لتحديد فترات الثقة تفترض أننا نعلم الانحراف المعياري أو المعياري لمجموعنا ، فإن عملية التمهيد لا تتطلب أي شيء آخر غير العينة.

لأغراض مثالنا ، سوف نفترض أن العينة هي 1 ، 2 ، 4 ، 4 ، 10.

عينة التمهيد

نقوم الآن بإعادة التشكيل باستخدام الاستبدال من نموذجنا لتشكيل ما يعرف باسم نماذج bootstrap. سيكون لكل عينة bootstrap حجم خمسة ، تمامًا مثل العينة الأصلية. نظرًا لأننا نختار كل قيمة بشكل عشوائي ثم نستبدلها ، فقد تختلف عينات bootstrap عن العينة الأصلية وعن بعضها البعض.

للحصول على أمثلة قد نواجهها في العالم الواقعي ، سنفعل هذا إعادة تشكيل المئات إن لم يكن آلاف المرات. في ما يلي أدناه ، سنرى مثالًا على 20 عينة من bootstrap:

  • 2, 1, 10, 4, 2
  • 4, 10, 10, 2, 4
  • 1, 4, 1, 4, 4
  • 4, 1, 1, 4, 10
  • 4, 4, 1, 4, 2
  • 4, 10, 10, 10, 4
  • 2, 4, 4, 2, 1
  • 2, 4, 1, 10, 4
  • 1, 10, 2, 10, 10
  • 4, 1, 10, 1, 10
  • 4, 4, 4, 4, 1
  • 1, 2, 4, 4, 2
  • 4, 4, 10, 10, 2
  • 4, 2, 1, 4, 4
  • 4, 4, 4, 4, 4
  • 4, 2, 4, 1, 1
  • 4, 4, 4, 2, 4
  • 10, 4, 1, 4, 4
  • 4, 2, 1, 1, 2
  • 10, 2, 2, 1, 1

يعني

نظرًا لأننا نستخدم bootstrapping لحساب فاصل الثقة لمتوسط ​​السكان ، فإننا نقوم الآن بحساب وسائل كل عينة من عينات التمهيد الخاصة بنا. هذه الوسائل ، مرتبة بترتيب تصاعدي هي: 2 ، 2.4 ، 2.6 ، 2.6 ، 2.8 ، 3 ، 3 ، 3.2 ، 3.4 ، 3.6 ، 3.8 ، 4 ، 4 ، 4.2 ، 4.6 ، 5.2 ، 6 ، 6 ، 6.6 ، 7.6.

فاصل الثقة

نحصل عليها الآن من قائمتنا لعينة bootstrap تعني فاصل ثقة. نظرًا لأننا نريد فاصل ثقة 90٪ ، فإننا نستخدم النسب المئوية 95 و 5 كنقاط نهاية للفواصل الزمنية. السبب في ذلك هو أننا قمنا بتقسيم 100٪ - 90٪ = 10٪ إلى النصف بحيث يكون لدينا 90٪ الأوسط من كل عينة نموذج bootstrap.

على سبيل المثال لدينا أعلاه لدينا فاصل الثقة من 2.4 إلى 6.6.


شاهد الفيديو: Bootstrap. ما هو البوتوستراب (أغسطس 2022).