很多时候在做统计推断的时候都会遇到样本量不足的问题,这时可以采用boostrap的抽样策略弥补样本不足的问题。就是在已知样本中通过随机放回抽样的方式产生多个不同的样本。这里有个假设,就是抽样产生的样本与原样本与是同分布的。在未知分布的情况下通过boostrap的方式可以用原样本均值和方差作为近似,以抽样本一起构造枢轴量做统计推断,估计未知统计特性。对于分布已知但包含未知参数的分布,首先可以使用boostrap样本估计参数,然后用估计的参数作为近似可以获得参数的置信区间。boostrap是一种重要的应对样本量不足的方法,核心就是通过再抽样提供更多的样本,这个抽样数量一般要求1000次以上。
页面更新:2024-03-19