Regression model

BCa Bootstrap (تصحیح‌شده با بایاس و شتاب‌یافته)

روش بوت‌استرپ BCa یک روش نمونه‌گیری مجدد است که توسط بردلی افرون در سال ۱۹۸۷ معرفی شد و با اعمال تصحیح بایاس و تنظیم شتاب، فواصل اطمینان دقیق‌تری نسبت به بوت‌استرپ ساده صدک (percentile bootstrap) تولید می‌کند. این روش برای توزیع‌های چوله (skewed) و نمونه‌های کوچک توصیه می‌شود.

به‌کارگیری با StatMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Efron, B. (1987). Better Bootstrap Confidence Intervals. Journal of the American Statistical Association, 82(397), 171-185. DOI: 10.1080/01621459.1987.10478410
  2. DiCiccio, T. J. & Efron, B. (1996). Bootstrap Confidence Intervals. Statistical Science, 11(3), 189-228. DOI: 10.1214/ss/1032280214

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Bias-Corrected and Accelerated Bootstrap. ScholarGate. https://scholargate.app/fa/statistics/bca-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

ارجاع‌شده در

ScholarGateBCa Bootstrap (Bias-Corrected and Accelerated Bootstrap). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/statistics/bca-bootstrap · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026