在关于引导程序缺点的维基百科中,它说:
表面上的简单性可能掩盖了这样一个事实,即在进行自举分析(例如样本的独立性)时正在做出重要假设,而这些假设将在其他方法中更正式地说明。
你能解释一下这个说法吗?
在关于引导程序缺点的维基百科中,它说:
表面上的简单性可能掩盖了这样一个事实,即在进行自举分析(例如样本的独立性)时正在做出重要假设,而这些假设将在其他方法中更正式地说明。
你能解释一下这个说法吗?
这是维基,带着一粒盐阅读所有维基。您应该举起标记为不清楚、基于意见或需要引用,因为所有这些(部分)都是正确的。最近涌入的统计人员认为,无需正式证据就可以做出广泛的陈述和鹦鹉学舌(我在该陈述中包括我自己)。
引导程序不要求样本是独立的。有一些特殊的引导程序比无条件引导程序更有效
本文提出了将生成数据集的引导复制(没有任何假设)的过程与为测试统计获取引导间隔/p 值的过程混为一谈的严重谬误。BCa、Quantile、Normal Percentile 和 Double Bootstrap 方法只是现有方法的一个子集,它们都是为了在研究数据的已引导复制上执行而开发的。基本上,没有一种方法可以获取 CI 和 p 值,并且奇怪最终更多的是所选统计数据的函数,而不是数据本身的属性。
这可能与以下事实有关:引导程序有时可能被粗略地呈现为“无假设”过程,当它们所需的假设(例如正态性)未得到满足时,该过程可用于替代其他常见的例如测试。然而,自举仅在某些情况下相关,提出了也必须满足的假设。