Có một số cách mà người ta có thể hình dung có thể áp dụng bootstrap. Hai cách tiếp cận cơ bản nhất là những gì được coi là bootstrap "không tham số" và "tham số". Cái thứ hai giả định rằng mô hình bạn đang sử dụng là (về cơ bản) chính xác.
Hãy tập trung vào cái đầu tiên. Chúng tôi sẽ cho rằng bạn có một ngẫu nhiên mẫu phân phối theo các chức năng phân phối . (Giả sử theo cách khác yêu cầu các cách tiếp cận được sửa đổi.) Hãy để là phân phối tích lũy theo kinh nghiệm chức năng. Phần lớn động lực cho bootstrap đến từ một vài sự thật.X1,X2,…,XnFF^n(x)=n−1∑ni=11(Xi≤x)
Bất bình đẳng Dvoretzky Kiefer trên Wolfowitz
P(supx∈R|F^n(x)−F(x)|>ε)≤2e−2nε2.
Điều này cho thấy rằng hàm phân phối theo kinh nghiệm hội tụ đồng nhất với hàm phân phối thực theo xác suất nhanh theo cấp số nhân . Thật vậy, sự bất bình đẳng này cùng với bổ đề Borel Cant Cantelli cho thấy ngay lập tức rằng gần như chắc chắn.supx∈R|F^n(x)−F(x)|→0
Không có điều kiện bổ sung trên mẫu để đảm bảo sự hội tụ này.F
Về mặt heurist, sau đó, nếu chúng ta quan tâm đến một số chức năng của chức năng phân phối trơn tru , thì chúng ta hy vọng sẽ gần với .T(F)T(F^n)T(F)
(Theo chiều hướng) Không thiên vị củaF^n(x)
Bằng cách tuyến tính đơn giản của kỳ vọng và định nghĩa của , với mỗi ,F^n(x)x∈R
EFF^n(x)=F(x).
Giả sử chúng ta quan tâm đến trung bình . Sau đó, tính không thiên vị của biện pháp thực nghiệm mở rộng đến tính không thiên vị của các chức năng tuyến tính của biện pháp thực nghiệm. Vì vậy,
μ=T(F)
EFT(F^n)=EFX¯n=μ=T(F).
Vì vậy, trung bình đúng và vì đang nhanh chóng tiếp cận , sau đó (theo kinh nghiệm), nhanh chóng tiếp cận .T(F^n)Fn^FT(F^n)T(F)
Để xây dựng một khoảng tin cậy ( về cơ bản, đó là tất cả những gì về bootstrap ), chúng ta có thể sử dụng định lý giới hạn trung tâm, tính nhất quán của các lượng tử thực nghiệm và phương pháp delta như các công cụ để chuyển từ các hàm tuyến tính đơn giản sang các thống kê quan tâm phức tạp hơn .
Tài liệu tham khảo tốt là
- B. Phương pháp Efron, Bootstrap: Một cái nhìn khác về jackknife , Ann. Thống kê , tập 7, không 1, 1 Ném26.
- B. Efron và R. Tibshirani, Giới thiệu về Bootstrap , Chapman hay Hall, 1994.
- GA Young và RL Smith, Yếu tố cần thiết của suy luận thống kê , Nhà xuất bản Đại học Cambridge, 2005, Chương 11 .
- AW van der Vaart, Thống kê tiệm cận , Nhà xuất bản Đại học Cambridge, 1998, Chương 23 .
- P. Bickel và D. Freedman, Một số lý thuyết tiệm cận cho bootstrap . Ann. Thống kê , tập 9, không 6 (1981), 1196 Từ1217.