เปรียบเทียบวิธี

	การบูตสแตรปแบบเบย์ (รูบิน)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	สถิติศาสตร์	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1981	2019
ผู้ริเริ่ม	Rubin (1981); large-sample theory by Lo (1987)	Wooldridge (textbook treatment); classical least squares
ประเภท	Resampling / posterior simulation	Linear regression
แหล่งต้นตำรับ	Rubin, D. B. (1981). The Bayesian Bootstrap. The Annals of Statistics, 9(1), 130-134.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
ชื่อเรียกอื่น	Bayesian Bootstrap (Rubin), Rubin bootstrap, Dirichlet-weighted bootstrap	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
ที่เกี่ยวข้อง	5	5
สรุป	The Bayesian Bootstrap, introduced by Donald B. Rubin in 1981, is a resampling method that produces a Bayesian counterpart to the frequentist bootstrap by assigning each observation a random weight drawn from a Dirichlet distribution. It yields a full posterior distribution for a statistic and allows prior information to be incorporated.	Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE).