Parametrik Bootstrap
Parametric Bootstrap Resampling · Ayrıca şöyle bilinir: parametrik bootstrap, model-based bootstrap, parametric resampling
Parametrik bootstrap, verilere uydurulmuş bir parametrik modelden tekrarlanan örneklemler çekerek standart hataları ve güven aralıklarını tahmin eden bir yeniden örnekleme yöntemidir. Efron ve Tibshirani (1993) ile Davison ve Hinkley (1997) tarafından geliştirilen bootstrap literatüründe yer alan bu yöntem, normal dağılımlı olmayan dağılımlar ve karmaşık istatistikler için analitik türetmelerin yerini alır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Güvenilir bir parametrik modeliniz olduğunda ve analitik olarak türetilmesi zor olan bir istatistiğin örnekleme dağılımı için standart hatalara veya güven aralıklarına ihtiyaç duyduğunuzda parametrik bootstrap'i kullanın; özellikle normal dağılımlı olmayan dağılımlar veya karmaşık tahminciler altında. Verilerin kendilerinin normal olmasını gerektirmez, ancak model biçiminin doğru bir şekilde belirtilmesini ve en az yaklaşık 20 gözlemden oluşan bir örneklem ile B ≥ 1000 tekrarlamayı gerektirir. Çok küçük örneklemlerle veya yanlış belirtilmiş bir modelle, parametrik olmayan bootstrap veya permütasyon testi daha güvenlidir.
Güçlü yönler & sınırlılıklar
- Analitik standart hata türetmelerinin zor veya mevcut olmayan yerini basit simülasyonla alır.
- Normal dağılımlı olmayan dağılımlar ve kapalı formül bulunmayan karmaşık istatistikler için çalışır.
- Parametrik model gerçekten doğru olduğunda, parametrik olmayan bootstrap'ten daha verimli olabilir, çünkü model yapısından yararlanır.
- Sonuçlar tamamen varsayılan model biçimine bağlıdır; model yanlış belirtilmişse çıkarım fena halde yanıltıcı olabilir.
- Çok küçük örneklemlerde güvenilmezdir — yaklaşık 20 gözlemin altında parametrik olmayan bootstrap tercih edilir ve 10'un altında permütasyon testi daha güvenlidir.
- Yeterli sayıda tekrarlama gerektirir (B ≥ 1000), bu da hesaplama maliyetini artırır.
SSS
Parametrik bootstrap, sıradan (parametrik olmayan) bootstrap'ten nasıl farklıdır?
Parametrik olmayan bootstrap, dağılımsal bir varsayım yapmadan gözlemlenen veri noktalarını yerine koyarak yeniden örnekler. Parametrik bootstrap ise verilere bir parametrik model uydurur ve bu uydurulmuş modelden yeni örneklemler simüle eder. Model doğru olduğunda daha verimli olabilir, ancak model yanlış olduğunda yanıltıcı olabilir.
Kaç tekrarlama gereklidir?
Simüle edilmiş standart hata ve yüzdelik dilim aralığının kararlı olması için en az yaklaşık 1000 tekrarlama (B ≥ 1000) önerilir. Daha fazla tekrarlama, hesaplama süresi pahasına simülasyon gürültüsünü azaltır.
Modelim yanlış belirtilmişse ne olur?
Simüle edilmiş her örneklem uydurulmuş modelden geldiği için, yanlış bir model biçimi doğrudan sonuçlara yayılır ve aralıklar fena halde yanlış olabilir. Modelden emin değilseniz, bu bağımlılıktan kaçınan parametrik olmayan bootstrap'i tercih edin.
Minimum örneklem boyutu nedir?
Yaklaşık 20 gözlem önerilir. 20'nin altında parametrik olmayan bootstrap daha güvenli bir seçenektir ve 10'un altında parametrik yeniden örnekleme güvenilmez hale geldiği için permütasyon testi tercih edilir.
Kaynaklar
- Efron, B. & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. CRC Press. ISBN: 978-0412042317
- Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and Their Application. Cambridge University Press. ISBN: 978-0521574716
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Parametric Bootstrap Resampling. ScholarGate. https://scholargate.app/tr/statistics/parametric-bootstrap
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesçi Bootstrap (Rubin)İstatistik↔ karşılaştır
- BCa Bootstrap (Önyargı Düzeltilmiş ve Hızlandırılmış)İstatistik↔ karşılaştır
- Bootstrap Çıkarımıİstatistik↔ karşılaştır
- Permütasyon (Rastgeleleştirme) Testiİstatistik↔ karşılaştır
- Regresyon Çıkarımı için Wild Bootstrapİstatistik↔ karşılaştır