BCa Bootstrap (Önyargı Düzeltilmiş ve Hızlandırılmış)
Bias-Corrected and Accelerated Bootstrap · Ayrıca şöyle bilinir: BCa Bootstrap (Bias-Corrected Accelerated), bias-corrected accelerated bootstrap, BCa confidence interval
BCa bootstrap, 1987'de Bradley Efron tarafından tanıtılan ve önyargı düzeltmesi ile hızlandırma ayarlaması uygulayarak düz yüzdeyüzlik bootstrap'ten daha doğru güven aralıkları üreten bir yeniden örnekleme yöntemidir. Çarpık dağılımlar ve küçük örneklemler için önerilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Önyargılı olabilen veya tahmin edicisi önyargılı olan bir istatistik için doğru bir güven aralığına ihtiyaç duyduğunuzda, özellikle küçük ila orta büyüklükteki örneklemlerde (yöntem en az yaklaşık 15 gözlem gerektirir) BCa kullanın. Sürekli veya kategorik sonuçlar için çalışır ve gözlemlerin bağımsız olduğunu varsayar. Hızlandırma jackknife ile tahmin edildiği için, BCa bu tahminin kararlı olması için yeterli veri gerektirir; 20 gözlemden az olduğunda düz bootstrap daha güvenlidir ve yaklaşık 10'un altında bir permütasyon testi tercih edilir.
Güçlü yönler & sınırlılıklar
- İkinci dereceden doğru: bootstrap dağılımının hem önyargısını hem de çarpıklığını düzeltir, böylece kapsama yüzdeyüzlük yönteminden daha yakındır.
- Dönüşüm-uyumlu ve aralık-koruyucu, böylece uç noktalar istatistik için geçerli sınırlar içinde kalır.
- Normal varsayımı olmadan çalışır ve çarpık dağılımlar ile küçük ila orta büyüklükteki örneklemler için uygundur.
- Çok sayıda yeniden örnek gerektirir (B ≥ 2000 önerilir), bu nedenle tek bir yüzdeyüzlük aralığından hesaplama açısından daha ağırdır.
- Hızlandırma sabiti, çok küçük örneklemlerde (n < 20) güvenilmez hale gelen bir jackknife tahminine dayanır.
- Yaklaşık 10 gözlemden az olduğunda önyargı ve hızlandırma düzeltmeleri anlamını yitirir ve yöntem yanıltıcı olabilir.
SSS
BCa yüzdeyüzlük bootstrap'ten nasıl farklıdır?
Yüzdeyüzlük yöntemi, aralığı doğrudan bootstrap dağılımının kantillerinden okur; bu, yalnızca dağılım önyargısız ve simetrik olduğunda doğrudur. BCa, önyargı düzeltme terimi ve hızlandırma terimi ile kantilleri ayarlar ve tahmin edici önyargılı veya dağılım çarpık olsa bile ikinci dereceden doğru kapsama sağlar.
Önyargı düzeltme ve hızlandırma sabitleri ne işe yarar?
Önyargı düzeltme sabiti ẑ₀, bootstrap dağılımının orijinal tahmine göre ne kadar kaydığını ölçer. Jackknife ile tahmin edilen hızlandırma sabiti a, standart hatanın parametre değerine göre nasıl değiştiğini yakalar. Birlikte, kapsamanın nominal seviyeye uyması için aralık uç noktalarını yeniden konumlandırırlar.
Kaç yeniden örnek kullanmalıyım?
BCa için en az 2000 yeniden örnek önerilir, çünkü ayarlanmış yüzdeyüzlük değerleri bootstrap dağılımının kuyruklarında yer alır ve kararlı olmaları için yoğun bir yeniden örnek kümesi gerektirir.
Ne zaman BCa kullanmamalıyım?
Yaklaşık 20 gözlemden az olduğunda jackknife hızlandırma tahmini güvenilmezdir, bu nedenle düz bootstrap daha güvenlidir; yaklaşık 10 gözlemden az olduğunda düzeltmeler anlamsız hale gelir ve bir permütasyon testi tercih edilir. BCa ayrıca bağımsız gözlemleri varsayar, bu nedenle bağımlı veriler için blok veya wild bootstrap kullanın.
Kaynaklar
- Efron, B. (1987). Better Bootstrap Confidence Intervals. Journal of the American Statistical Association, 82(397), 171-185. DOI: 10.1080/01621459.1987.10478410 ↗
- DiCiccio, T. J. & Efron, B. (1996). Bootstrap Confidence Intervals. Statistical Science, 11(3), 189-228. DOI: 10.1214/ss/1032280214 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Bias-Corrected and Accelerated Bootstrap. ScholarGate. https://scholargate.app/tr/statistics/bca-bootstrap
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesçi Bootstrap (Rubin)İstatistik↔ karşılaştır
- Bootstrap Çıkarımıİstatistik↔ karşılaştır
- Çift (İteratif) Bootstrapİstatistik↔ karşılaştır
- Permütasyon (Rastgeleleştirme) Testiİstatistik↔ karşılaştır
- Regresyon Çıkarımı için Wild Bootstrapİstatistik↔ karşılaştır