Bootstrap vs. jackknife


49

ทั้งวิธี bootstrap และ jackknife สามารถใช้ในการประเมินความลำเอียงและข้อผิดพลาดมาตรฐานของการประมาณและกลไกของวิธีการสุ่มตัวอย่างทั้งสองวิธีนั้นไม่แตกต่างกันมาก: การสุ่มตัวอย่างด้วยการแทนที่และการละครั้ง อย่างไรก็ตาม jackknife ไม่ได้รับความนิยมเท่ากับ bootstrap ในการวิจัยและการปฏิบัติ

มีข้อดีที่ชัดเจนของการใช้ bootstrap แทนที่จะใช้ jackknife หรือไม่?


3
เป็นเรื่องของประวัติศาสตร์ฉันได้เรียนรู้เกี่ยวกับ Jackknife ในต้นปี 1970 เมื่อสถิติยังคงทำบนแผ่นสีเหลืองเป็นส่วนใหญ่ (เวลาคอมพิวเตอร์แพงเกินไป!) หากหน่วยความจำทำหน้าที่มันได้รับการส่งเสริมโดย John Tukey
Dan Buskirk

คำตอบ:


35

Bootstrapping เป็นเทคนิคที่เหนือกว่าและสามารถใช้งานได้ทุกที่ที่มีการใช้งาน jackknifing Jackknifing มีอายุมากกว่า (อาจ ~ 20 ปี); มันเป็นข้อได้เปรียบหลักในช่วงเวลาที่พลังการคำนวณมี จำกัด เนื่องจากมันง่ายกว่าในการคำนวณ อย่างไรก็ตาม bootstrap ให้ข้อมูลเกี่ยวกับการกระจายตัวตัวอย่างทั้งหมดและสามารถให้ความแม่นยำมากขึ้น jackknife ยังคงมีประโยชน์ในการตรวจหาค่าผิดปกติตัวอย่างเช่นในการคำนวณ dfbeta (การเปลี่ยนแปลงในการประมาณค่าพารามิเตอร์เมื่อจุดข้อมูลถูกทิ้ง)


3
แต่บางทีอาจเห็นคำตอบของ @ Benjamin ที่นี่ ( stats.stackexchange.com/questions/96739/… ) เป็นกรณีที่ jackknife ยังคงมีประโยชน์ Jackknifes ยังคงใช้ (ดูเหมือน) ในการประมาณเมื่อคำนวณช่วงความเชื่อมั่น BCa a
russellpierce

2
@gung คุณสามารถให้รายละเอียดเพิ่มเติมหรือการอ้างอิงสำหรับการเรียกร้องของคุณได้ที่ bootstrap ให้ข้อมูลเกี่ยวกับการกระจายตัวตัวอย่างทั้งหมด (jackknife ทำไม่ได้?) และแม่นยำยิ่งขึ้นหรือไม่
mloning
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.