Regression model

Παραμετρικό Bootstrap

Το παραμετρικό bootstrap είναι μια μέθοδος αναδειγματοληψίας που εκτιμά τα τυπικά σφάλματα και τα διαστήματα εμπιστοσύνης αντλώντας επαναλαμβανόμενα δείγματα από ένα παραμετρικό μοντέλο που έχει προσαρμοστεί στα δεδομένα. Αναπτύχθηκε στη βιβλιογραφία του bootstrap από τους Efron και Tibshirani (1993) και Davison και Hinkley (1997), αντικαθιστά τις αναλυτικές παραγωγές για μη κανονικές κατανομές και σύνθετες στατιστικές.

Εφαρμογή με το StatMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Efron, B. & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. CRC Press. ISBN: 978-0412042317
  2. Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and Their Application. Cambridge University Press. ISBN: 978-0521574716

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Parametric Bootstrap Resampling. ScholarGate. https://scholargate.app/el/statistics/parametric-bootstrap

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateParametric Bootstrap (Parametric Bootstrap Resampling). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/statistics/parametric-bootstrap · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026