সবসময় বুটস্ট্র্যাপ সিআই ব্যবহার করবেন না কেন?


12

আমি ভাবছিলাম যে বুটস্ট্র্যাপ সিআই (এবং বার্টিকুলারে বিসিএ) সাধারণত বিতরণকৃত ডেটাতে কীভাবে সম্পাদন করে। বিভিন্ন ধরণের বিতরণে তাদের কর্মক্ষমতা পরীক্ষা করার মতো অনেক কাজ রয়েছে বলে মনে হয়, তবে সাধারণভাবে বিতরণ করা ডেটাতে কিছুই খুঁজে পেল না। যেহেতু প্রথমে অধ্যয়ন করা সুস্পষ্ট বিষয় বলে মনে হয়, তাই আমি মনে করি যে কাগজগুলি খুব বেশি পুরানো।

আমি আর বুট প্যাকেজটি ব্যবহার করে মন্টি কার্লো সিমুলেশনগুলি করেছি এবং বুটস্ট্র্যাপ সিআই-র সঠিক সিআই-র সাথে একমত হতে দেখেছি, যদিও ছোট নমুনাগুলির জন্য (এন <20) তারা কিছুটা উদার (ছোট সিআই) থাকে। পর্যাপ্ত পরিমাণে নমুনার জন্য, তারা মূলত একই।

এটি আমাকে অবাক করে তোলে যে সবসময় বুটস্ট্র্যাপিং ব্যবহার না করার কোনও যুক্তিসঙ্গত কারণ আছে কি না । বিতরণটি স্বাভাবিক কিনা এবং এটির পিছনে থাকা অনেক সমস্যাগুলি কিনা তা নির্ধারণ করতে অসুবিধা দেওয়া এবং বন্টন নির্বিশেষে বুটস্ট্র্যাপ সিআই-কে সিদ্ধান্ত নেওয়ার এবং প্রতিবেদন না করা যুক্তিসঙ্গত বলে মনে হয়। আমি প্যারামিট্রিক নন-টেস্টগুলি পদ্ধতিগতভাবে ব্যবহার না করার অনুপ্রেরণা বুঝতে পারি, যেহেতু তাদের শক্তি কম, তবে আমার সিমুলেশনগুলি আমাকে বলে যে এটি বুটস্ট্র্যাপ সিআই-র ক্ষেত্রে নয়। তারা আরও ছোট।

আমাকে অনুরূপ অনুরূপ একটি প্রশ্ন হ'ল কেন সর্বদা মধ্য প্রবণতা হিসাবে পরিমাপ হিসাবে ব্যবহার করা হয় না। লোকেরা প্রায়শই এটি সাধারণত বিতরণকৃত ডেটাগুলিকে বৈশিষ্ট্যযুক্ত করতে ব্যবহার করার পরামর্শ দেয় তবে মিডিয়ান যেহেতু সাধারণভাবে বিতরণ করা ডেটার অর্থ হিসাবে একই, তাই কেন একটি পার্থক্য রাখুন? বিতরণটি স্বাভাবিক কিনা তা সিদ্ধান্ত নেওয়ার জন্য যদি আমরা পদ্ধতিগুলি থেকে মুক্তি পেতে পারি তবে এটি বেশ উপকারী বলে মনে হবে।

আমি এই বিষয়গুলি সম্পর্কে আপনার চিন্তাভাবনা এবং সেগুলি সম্পর্কে আগে আলোচনা করা হয়েছিল কিনা তা সম্পর্কে আমি খুব কৌতূহল বোধ করি। উল্লেখগুলি অত্যন্ত প্রশংসা করা হবে।

ধন্যবাদ!

পিয়ের


গড় এবং মিডিয়ান সম্পর্কিত আমার প্রশ্নটি এখানে দেখুন: stats.stackexchange.com/questions/96371/…
অ্যালেক্সিস

অনেক সমস্যার জন্য, পুনরায় মডেলিং কম্পিউটারের পক্ষে অপরিবর্তনীয়। উদাহরণস্বরূপ, যদি আপনি কেবল একটি বৃহত 3 ডি ম্যাট্রিক্সের জন্য, বা দীর্ঘ সময়ের সিরিজের জন্য সিআই গণনা করতে চান।
জোনা

উত্তর:


4

বিসিএর অন্তর এবং এটি প্রক্রিয়াগুলির জন্য উদ্বুদ্ধকরণটি দেখে লাভজনক (এটি তথাকথিত "সংশোধন কারণ")। বিসিএ ইন্টারভালগুলি বুটস্ট্র্যাপের অন্যতম গুরুত্বপূর্ণ বিষয় কারণ এগুলি বুটস্ট্র্যাপ পারসেন্টাইল অন্তরগুলির (যেমন আত্মবিশ্বাসের ব্যবধানটি কেবলমাত্র বুটস্ট্র্যাপ বিতরণের উপর ভিত্তি করে) এর বেশি সাধারণ ক্ষেত্রে।

বিশেষত, বিসিএ অন্তর এবং বুটস্ট্র্যাপ পারসেন্টাইল অন্তরগুলির মধ্যে সম্পর্কটি দেখুন: যখন ত্বরণের জন্য সমন্বয় (প্রথম "সংশোধন ফ্যাক্টর") এবং স্কিউনেস (দ্বিতীয় "সংশোধন ফ্যাক্টর") উভয়ই শূন্য হয়, তখন বিসিএ অন্তরগুলি আবার ফিরে আসে সাধারণ বুটস্ট্র্যাপ পারসেন্টাইল ইন্টারভাল val

আমি মনে করি না যে এটি সর্বদা বুটস্ট্র্যাপিং ব্যবহার করা ভাল ধারণা হবে। বুটস্ট্র্যাপিং হ'ল একটি শক্তিশালী কৌশল যা বিভিন্ন পদ্ধতির (যেমন: আত্মবিশ্বাসের ব্যবধান এবং বিভিন্ন ধরণের সমস্যার জন্য বুটস্ট্র্যাপের বিভিন্ন বৈচিত্র রয়েছে যেমন বন্য বুটস্ট্র্যাপ যখন হেটেরোসেসটাস্টিটি থাকে) বিভিন্ন সমস্যার সামঞ্জস্য করার জন্য (উদা: অ-স্বাভাবিকতা) ), তবে এটি একটি গুরুত্বপূর্ণ অনুমানের উপর নির্ভর করে: ডেটা সঠিকভাবে সঠিক জনগণের প্রতিনিধিত্ব করে।

এই অনুমানটি প্রকৃতিতে সহজ হলেও বিশেষত ছোট নমুনার আকারগুলির প্রসঙ্গে যাচাই করা কঠিন হতে পারে (এটি একটি ছোট নমুনা সত্য জনসংখ্যার একটি সঠিক প্রতিচ্ছবি হলেও এটি হতে পারে!)। যদি বুটস্ট্র্যাপ বিতরণের মূল নমুনা (এবং এর ফলে অনুসরণ করা সমস্ত ফলাফল) যথাযথভাবে সঠিক না হয় তবে আপনার ফলাফলগুলি (এবং সেইজন্য সেই ফলাফলগুলির উপর ভিত্তি করে আপনার সিদ্ধান্ত) ত্রুটিযুক্ত হবে।

উপসংহার: বুটস্ট্র্যাপের সাথে প্রচুর অস্পষ্টতা রয়েছে এবং এটি প্রয়োগ করার আগে আপনার সাবধানতা অবলম্বন করা উচিত।


2
"যদি আসল নমুনা যার উপর বুটস্ট্র্যাপ বিতরণ (এবং এর ফলে অনুসরণ করা সমস্ত ফলাফল) যথাযথভাবে সঠিক না হয় তবে আপনার ফলাফলগুলি (এবং সেইজন্য সেই ফলাফলগুলির উপর ভিত্তি করে আপনার সিদ্ধান্ত) ত্রুটিযুক্ত হবে" " -> তবে বুটস্ট্র্যাপ সিআই কি এই ক্ষেত্রে বিশ্লেষণাত্মক বিকল্পের চেয়ে খারাপ আচরণ করে?
জোনা

3
তথ্য জনসংখ্যার পর্যাপ্ত পরিমাণে প্রতিনিধিত্ব করে এমন ধারণা কেবল বুটস্ট্র্যাপিংয়ের ক্ষেত্রেই নয়: এটি সাধারণ পরিসংখ্যানের সাথে সম্পর্কিত, সুতরাং যদি ডেটা অপর্যাপ্ত থাকে তবে কোনও অনুমান, বুটস্ট্র্যাপ ইনফারেন্স বা অন্যথায়, যেগুলি তৈরি করা হয়েছে তা বিভ্রান্তিকর (একটি ভ্রান্ত ধারণা অনুধাবন করে যে কোনওটি বোঝায়) উপসংহার!)।
মিমি মিমি মিমম্ম মিম

4
সুতরাং এই সাবধানবাণীটি বুটস্ট্র্যাপে নির্দেশিত নয়, বরং অনুমানের বিষয়ে, এবং অন্য কোনও পদ্ধতির মাধ্যমে বুটস্ট্র্যাপ ব্যবহারের বিরুদ্ধে যুক্তি নয়, বরং ফলসী পদ্ধতিতে নিখুঁত বিশ্বাস স্থাপন সম্পর্কে। আমি দেখতে পাই না যে এই প্রসঙ্গে তখন এটি কীভাবে প্রাসঙ্গিক।
জোনা

দুঃখিত, এই থ্রেডটিতে কিছুটা দেরি .... @ জোনা: এটি কি প্রাসঙ্গিক হবে না কারণ বুটস্ট্র্যাপিং নমুনাটিকে আরও বাড়িয়ে তুলবে? সুতরাং যদি আপনার নমুনা জনসংখ্যার দুর্ভাগ্যজনক ভুল উপস্থাপনা হয় তবে বুটস্ট্র্যাপিং ব্যবহার আপনাকে জনসংখ্যা কেন্দ্র থেকে আরও দূরে পাঠিয়ে দেবে? এটি কি পদ্ধতিগতভাবে বুটস্ট্র্যাপিংয়ের উপর নির্ভর করার বিরুদ্ধে কোনও সম্ভাব্য যুক্তি নয়?
সিসডোগ
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.