প্রোস্টস এবং বুটস্ট্র্যাপিং এর কনস

Question

আমি কেবল বুটস্ট্র্যাপিংয়ের ধারণাটি সম্পর্কে জানতে পেরেছি, এবং একটি নিষ্পাপ প্রশ্নটি মাথায় এলো: আমরা যদি সর্বদা আমাদের ডেটার অসংখ্য বুটস্ট্র্যাপ নমুনা তৈরি করতে পারি তবে কেন আরও বেশি "আসল" ডেটা পাওয়ার জন্য বিরক্ত করবেন?

আমি মনে করি আমার একটি ব্যাখ্যা আছে, দয়া করে আমাকে সঠিক বলুন: আমি মনে করি বুটস্ট্র্যাপিংয়ের প্রকরণটি হ্রাস পেয়েছে, তবে আমার মূল ডেটাसेटটি যদি বিভ্যাস করা হয়, তার চেয়ে আমি কম বৈচিত্র এবং উচ্চ পক্ষপাত নিয়ে আটকে থাকি না কেন, যতগুলি প্রতিলিপিই হোক না কেন matter আমি নিচ্ছি

Comments

ইতিমধ্যে ডেটাতে (এবং মডেল) যে পরিমাণ তথ্য রয়েছে তার চেয়ে বুটস্ট্র্যাপিং আরও তথ্য তৈরি করে না ... আসল তথ্য আপনাকে আরও তথ্য দিতে পারে

— Glen_b -Rininstate মনিকা

আমি গ্লেন_বি এর সাথে একমত যে এটি আরও তথ্য তৈরি করে না তবে আমি সম্মত নই যে এটি আপনাকে কম তথ্য দিতে পারে। আমি আমার উত্তরে যেমন বলেছি এটি সর্বদা ভাল কাজ করে না তবে এটি কোনও পরিসংখ্যান পদ্ধতিতে বলা যেতে পারে।

— মাইকেল আর চেরনিক

আকর্ষণীয় প্রশ্ন - সম্ভবত সম্পর্কিত ধারণাটি কেন বুটস্ট্র্যাপ কাজ করে? । এটি বুঝতে কখন এটি কার্যকর হবে তা বুঝতে সাহায্য করবে। আমি নমুনা বিতরণের জন্য সাধারণ অনুমানের চেয়ে উন্নতি হিসাবে বুটস্ট্র্যাপের কথা ভেবেছিলাম। এটি স্বাভাবিকতা থেকে প্রস্থানগুলি পরিচালনা করতে পারে যা খুব চরম নয়। এটি অন্যান্য আকর্ষণীয় বৈশিষ্ট্য হ'ল আপনার বিশ্লেষণ / বীজগণিত কাজ করার দরকার নেই - প্রতিলিপিটি এটি আপনার জন্য করে।

— সম্ভাব্যতাব্লোগিক

Answer 1

বুটস্ট্র্যাপ এমন একটি উপায়ে অনুমিত করার পদ্ধতি যা জনসংখ্যার বন্টনের জন্য প্যারামেট্রিক ফর্ম গ্রহণের প্রয়োজন হয় না। এটি আসল নমুনাটিকে চিকিত্সা করে না যেমন এটি জনসংখ্যা এমনকি এটিরও মূল নমুনা থেকে প্রতিস্থাপনের সাথে নমুনা জড়িত। এটি ধরে নেওয়া হয় যে বৃহত্তর জনসংখ্যার থেকে আকার n এর নমুনা নেওয়ার সাথে মাপের ন mics এর মূল নমুনা থেকে প্রতিস্থাপনের সাথে নমুনা দেওয়া। এর অনেকগুলি রূপ রয়েছে যেমন এন বুটস্ট্র্যাপের এম আউট যা এম মাপের একটি নমুনা থেকে এম টাইমকে পুনরায় নমুনা দেয় যেখানে মি <এন। বুটস্ট্র্যাপের দুর্দান্ত বৈশিষ্ট্যগুলি asympotic তত্ত্বের উপর নির্ভর করে। অন্যরা যেমন উল্লেখ করেছেন যে বুটস্ট্র্যাপে মূল নমুনায় যা দেওয়া হয় তার চেয়ে জনসংখ্যার বিষয়ে বেশি তথ্য থাকে না। যে কারণে এটি কখনও কখনও ছোট নমুনায় ভাল কাজ করে না।

২০০ book সালে উইলির দ্বারা প্রকাশিত আমার "বুটস্ট্র্যাপ পদ্ধতি: একটি অনুশীলনকারীদের গাইড" বইটিতে আমি এমন পরিস্থিতি তুলে ধরেছি যেখানে বুটস্ট্র্যাপ ব্যর্থ হতে পারে। এর মধ্যে অন্তর্ভুক্ত রয়েছে এমন সীমাবদ্ধ ক্ষণ, ছোট নমুনা আকার, বিতরণ থেকে চূড়ান্ত মানগুলি নির্ধারণ করা এবং সমীক্ষার নমুনায় যেখানে জনসংখ্যার আয়তন N এবং একটি বৃহত নমুনা এন নেওয়া হয়েছে তার বৈকল্পিকের অনুমানের বিস্তৃতি অন্তর্ভুক্ত রয়েছে। কিছু ক্ষেত্রে বুটস্ট্র্যাপের রূপগুলি মূল পদ্ধতির চেয়ে আরও ভাল কাজ করতে পারে। কিছু অ্যাপ্লিকেশনগুলিতে এন বুটস্ট্র্যাপের বাইরে এম এর সাথে ঘটে বৈষম্যমূলক বিশ্লেষণে ত্রুটি হারের অনুমানের ক্ষেত্রে, boot৩২ বুটস্ট্র্যাপ অন্যান্য বুটস্ট্র্যাপ পদ্ধতি সহ অন্যান্য পদ্ধতির তুলনায় উন্নতি ..

এটি ব্যবহার করার একটি কারণ হ'ল কখনও কখনও আপনি প্যারামেট্রিক অনুমানের উপর নির্ভর করতে পারবেন না এবং কিছু পরিস্থিতিতে বুটস্ট্র্যাপ অন্যান্য প্যারামিমেট্রিক পদ্ধতির চেয়ে ভাল কাজ করে। এটি ননলাইনার রিগ্রেশন, শ্রেণিবিন্যাস, আত্মবিশ্বাসের ব্যবধান অনুমান, পক্ষপাত অনুমান, পি-মানগুলির সামঞ্জস্য এবং কয়েকটি নাম নির্ধারণের জন্য টাইম সিরিজ বিশ্লেষণ সহ বিভিন্ন ধরণের সমস্যার ক্ষেত্রে প্রয়োগ করা যেতে পারে।

Answer 2

একটি বুটস্ট্র্যাপ নমুনা আপনাকে কেবল আসল নমুনা সম্পর্কে কিছু বলতে পারে এবং আপনাকে প্রকৃত জনসংখ্যা সম্পর্কে কোনও নতুন তথ্য দেয় না। আত্মবিশ্বাসের ব্যবধান এবং অনুরূপ গঠনের জন্য এটি কেবল একটি ননপ্যারমেট্রিক পদ্ধতি।

আপনি যদি জনসংখ্যা সম্পর্কে আরও তথ্য অর্জন করতে চান তবে জনসংখ্যার থেকে আপনাকে আরও ডেটা সংগ্রহ করতে হবে।