มีหลายวิธีที่สามารถใช้ bootstrap ได้ สองวิธีพื้นฐานที่สุดคือสิ่งที่ถือว่าเป็น bootstrap "nonparametric" และ "parametric" อันที่สองสมมติว่าโมเดลที่คุณใช้นั้นถูกต้อง
ลองเน้นไปที่อันแรกก่อน เราจะคิดว่าคุณมีการสุ่มกลุ่มตัวอย่างกระจายไปตามฟังก์ชั่นการกระจายF(สมมติว่าต้องใช้วิธีแก้ไข) ให้เป็นการแจกแจงเชิงประจักษ์ ฟังก์ชัน แรงจูงใจส่วนใหญ่สำหรับ bootstrap มาจากข้อเท็จจริงสองสามข้อX1,X2,…,XnFF^n(x)=n−1∑ni=11(Xi≤x)
Dvoretzky – Kiefer – Wolfowitz ความไม่เท่าเทียม
P(supx∈R|F^n(x)−F(x)|>ε)≤2e−2nε2.
สิ่งนี้แสดงให้เห็นว่าฟังก์ชั่นการกระจายเชิงประจักษ์ลู่สม่ำเสมอกับฟังก์ชั่นการกระจายความจริงชี้แจงอย่างรวดเร็วในความน่าจะเป็น อันที่จริงความไม่เท่าเทียมนี้ประกอบกับ Borel – Cantelli บทแทรกแสดงทันทีว่าเกือบแน่นอนsupx∈R|F^n(x)−F(x)|→0
ไม่มีเงื่อนไขเพิ่มเติมในรูปแบบของเพื่อรับประกันการบรรจบกันนี้F
heuristically แล้วถ้าเรามีความสนใจในการทำงานบางอย่างของฟังก์ชันการกระจายที่เรียบแล้วเราคาดว่าจะใกล้เคียงกับ(F)T(F)T(F^n)T(F)
(Pointwise) ความเป็นกลางของF^n(x)
เป็นเส้นตรงอย่างง่าย ๆ ของความคาดหวังและคำจำกัดความของสำหรับแต่ละ ,F^n(x)x∈R
EFF^n(x)=F(x).
สมมติว่าเรามีความสนใจในความหมาย(F) จากนั้นความเป็นกลางของการวัดเชิงประจักษ์จะขยายไปถึงความไม่เอนเอียงของฟังก์ชันเชิงเส้นของการวัดเชิงประจักษ์ ดังนั้น
μ=T(F)
EFT(F^n)=EFX¯n=μ=T(F).
ดังนั้นถูกต้องโดยเฉลี่ยและตั้งแต่อย่างรวดเร็วใกล้แล้ว (heuristically),อย่างรวดเร็ววิธี(F)T(F^n)Fn^FT(F^n)T(F)
เพื่อสร้างช่วงความมั่นใจ ( ซึ่งโดยพื้นฐานแล้วสิ่งที่บูทสแตรปเกี่ยวกับ ) เราสามารถใช้ทฤษฎีขีด จำกัด กลางความมั่นคงของควอนตัมเชิงประจักษ์และวิธีเดลต้าเป็นเครื่องมือในการย้ายจากฟังก์ชันเชิงเส้นเชิงง่ายไปยังสถิติที่น่าสนใจ .
อ้างอิงที่ดีคือ
- B. Efron, วิธี Bootstrap: ดูที่ jackknife , Ann สถิติ ฉบับ 7 หมายเลข 1, 1–26
- B. Efron และ R. Tibshirani, คำแนะนำเกี่ยวกับ Bootstrap , Chapman-Hall, 1994
- GA หนุ่ม RL สมิ ธEssentials สถิติอนุมาน , Cambridge University Press, 2005 บทที่ 11
- AW ฟานเดอร์ฟาร์ต, Asymptotic สถิติ , Cambridge University Press, 1998 บทที่ 23
- พีบิซเคลและ D อิสระบางทฤษฎี asymptotic สำหรับบูต แอน สถิติ ฉบับ 9 หมายเลข 6 (1981), 1196–1717