Bootstrap及jackknife刀切法中文讲义
上节课内容总结
统计推断基本概念
统计模型:参数模型与非参数模型
统计推断/模型估计:点估计、区间估计、假设检验
估计的评价:无偏性、一致性、有效性、MSE
偏差、方差、区间估计
CDF估计:
点估计、偏差、方差及区间估计
统计函数估计
点估计
区间估计/标准误差
影响函数
Bootstrap
Bootstrap也可用于偏差、置信区间和分布估计等计算
1
本节课内容
重采样技术(resampling )
Bootstrap
刀切法(jackknife )
2
引言
T g X ,..., X 是一个统计量,或者是数据的某个函数,
n 1 n
数据来自某个未知的分布F ,我们想知道 的某些性质
T
n
(如偏差、方差和置信区间)
假设我们想知道 的方差 T
T F n
n
如果 T 的形式比较简单,可以直接用上节课学习
F n
的嵌入式估计量 ˆ T 作为 T 的估计
n Fn n F n
例: 1 ,则
T n X
n i
i 1
2 2
T 2 n ,其中 x dF x , xdF x
F n n
2
ˆ T ˆ 2 n,其中ˆ 2 X i X n n
F n
n
i 1
问题:若 T 的形式很复杂(任意统计量),如何
F n
计算/估计? 3
Bootstrap简介
Bootstrap是一个很通用的工具,用来估计标准误差、置
信区间和偏差。由Bradley Efron于1979年提出,用于计
算任意估计的标准误差
术语“Bootstrap”来自短语“to pull oneself up by one’s
bootstraps ” (源自西方神话故事“The Adventures of
Baron Munchausen”