การจำลองแบบบูตสแตรป — การสุ่มตัวอย่างเชิงประจักษ์สำหรับการอนุมานทางสถิติ
การจำลองแบบบูตสแตรป (Bootstrap simulation) ซึ่งริเริ่มโดย Bradley Efron ในปี 1979 เป็นวิธีการอนุมานที่อาศัยการจำลอง โดยการสุ่มตัวอย่างซ้ำพร้อมกับการคืนค่าจากข้อมูลที่สังเกตได้ เพื่อสร้างการแจกแจงจากการสุ่มตัวอย่างของสถิติใดๆ เกือบทั้งหมด เนื่องจากวิธีการนี้ไม่จำเป็นต้องมีข้อสมมติฐานเกี่ยวกับการแจกแจงแบบพาราเมตริก จึงเป็นทางเลือกที่แข็งแกร่งและใช้งานได้ทั่วไป แทนที่ช่วงความเชื่อมั่นเชิงวิเคราะห์และการทดสอบสมมติฐานแบบพาราเมตริก สำหรับข้อมูลแบบต่อเนื่อง อันดับ ทวิภาค และข้อมูลการนับ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Efron, B. & Tibshirani, R.J. (1993). An Introduction to the Bootstrap. Chapman & Hall/CRC. DOI: 10.1201/9780429246593 ↗
- Davison, A.C. & Hinkley, D.V. (1997). Bootstrap Methods and their Application. Cambridge University Press. DOI: 10.1017/CBO9780511802843 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Bootstrap Simulation (Bootstrap Resampling). ScholarGate. https://scholargate.app/th/simulation/bootstrap-simulation
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.
- การอนุมานแบบเบย์ (Bayesian Inference)สถิติศาสตร์↔ compare
- การประมาณค่าแบบแจ็กไนฟ์ (Jackknife Resampling Estimation)สถิติศาสตร์↔ compare
- การจำลองแบบมอนติคาร์โลการตัดสินใจ↔ compare
- การทดสอบการสับเปลี่ยน (การสุ่ม)สถิติศาสตร์↔ compare
- เทคนิคการลดความแปรปรวนสำหรับการจำลองแบบมอนติคาร์โลการจำลอง↔ compare