非参数bootstrap方法
设总体分布 F F 未知,但是有一个容量为的来自分布 F F 的数据样本,自这一样本按照放回抽样的方法抽取一个容量为的样本,这种样本被称为 bootstrap b o o t s t r a p 样本或自助样本。
相继的,独立地自原始样本中取很多个 bootstrap b o o t s t r a p 样本,利用这些样本对总体 F F 进行统计推断,这种方法称为非参数方法又称自助法
这种方法可以用于当人们对总体知之甚少的情况。
估计量的标准误差的bootstrap估计
在估计总体未知参数 θ θ 时,人们不但要给出 θ θ 的估计 θ^ θ ^ ,还需要指出这一估计 θ^ θ ^ 的精度,通常我们使用估计量 θ^ θ ^ 的标准差 D(θ^)−−−−√ D ( θ ^ ) 来度量估计的精度。估计量 θ^ θ ^ 的标准差 σθ^=D(θ^)−−−−√ σ θ ^ = D ( θ ^ ) 也称为估计量 θ^ θ ^ 的标准误差
设
X1,X2,⋯,Xn
X
1
,
X
2
,
⋯
,
X
n
是来自以
F(x)
F
(
x
)
为分布函数的总体的样本,
θ
θ
是我们感兴趣的未知参数,用
θ^=θ^(X1,X2,⋯,Xn)
θ
^
=
θ
^
(
X
1
,
X
2
,
⋯
,
X
n
)
作为
θ
θ
的估计量,在应用中
θ^
θ
^
的抽样分布通常是很难处理的,这样
D(θ)−−−−√
D
(
θ
)
没有一个简单的表达式,不同我们可以采用计算机模拟的方法求得
D(θ^)−−−−√
D
(
θ
^
)
的估计。
为此可以从
F
F
中产生很多容量为的样本(例如
B
B
个),对于每一个样本计算的值,得到
θ^1,θ^2,⋯,θ^B
θ
^
1
,
θ
^
2
,
⋯
,
θ
^
B
,则
D(θ^)−−−−√
D
(
θ
^
)
可以用: