De bootstrap is een mechanisme van statistiek en econometrie dat zich richt op het opnieuw bemonsteren van gegevens binnen een willekeurige of willekeurige steekproef. Het belangrijkste gebruik ervan is om een benadering te vinden voor de verdeling van de geanalyseerde variabele.
Dit proces staat in statistisch jargon ook wel bekend als bootstrapping en is het resultaat van onderzoek op het gebied van statistische steekproeven door de wiskundige Bradley Efron eind jaren zeventig.
Bootstrap-hulpprogramma
Het belangrijkste nut van het gebruik van de bootstrap is om de vertekening in de analyse te verminderen of, met andere woorden, om de variantie te benaderen door willekeurige resampling uit te voeren van de initiële steekproef en niet van de populatie. Op deze manier wordt de constructie van statistische modellen vergemakkelijkt door het creëren van betrouwbaarheidsintervallen en hypothesetoetsen.
Hoewel het a priori een zeer complexe praktijk lijkt, is de procedure waarop bootstrapping is gebaseerd eenvoudigweg het creëren van een groot aantal steekproeven die de gegevens herpositioneren, waarbij een eerste populatiesteekproef als referentie wordt genomen.
Deze techniek is vooral handig in situaties waar de beschikbare steekproeven klein zijn of, zoals eerder vermeld, als de verdeling sterk scheef is. In die zin helpen ze een groot aantal problemen op het gebied van kansrekening en toegepaste statistiek op te lossen.
Bootstrap-functies
Een van de belangrijkste kenmerken van deze praktijk is dat het daaropvolgende herbemonstering omvat om gesloten uitdrukkingen te verkrijgen en de wiskundige complexiteit van deze bewerkingen op te lossen. Met de ontwikkeling van computers en technologische hulpmiddelen in de afgelopen jaren, is het gemakkelijker geworden om te rekenen op het gebruik van bootstrapping voor complexe resampling.
De resampling-techniek stelt ons in staat om verder te gaan bij het bestuderen van datasteekproeven van een bepaalde populatie. Met andere woorden, het stelt u in staat om nieuwe aannames te doen of te creëren door aanvullende waarden uit de steekproef te vervangen.
Voordelen van Bootstrap
Een positief aspect van bootstrap-resampling is dat het statistische methoden heeft vereenvoudigd, in die zin dat het de constructie van klassieke en zeer complexe wiskundige modellen heeft vervangen door berekeningen met specifieke software, waardoor hun toepasbaarheid of toegang tot andere velden of onderzoeken is verbeterd.
In het verlengde hiervan wordt meestal aangenomen dat dit mechanisme veel opener of toegankelijker is in vergelijking met klassieke modellen en veronderstellingen, waardoor het een nuttig hulpmiddel is voor een groot aantal wiskundige problemen.
Betrouwbaarheidsinterval