El bootstrap es un método de remuestreo para estimar la distribución de muestreo de una estadística.
Recientemente utilicé bootstrapping para estimar los intervalos de confianza para un proyecto. Alguien que no sabe mucho sobre estadísticas recientemente me pidió que explicara por qué funciona el bootstrapping, es decir, por qué volver a muestrear la misma muestra una y otra vez da buenos...
Aquí @gung hace referencia a la regla .632+. Una búsqueda rápida en Google no proporciona una respuesta fácil de entender sobre lo que significa esta regla y para qué se utiliza. ¿Alguien aclararía la regla
Me gustaría conocer su opinión sobre las diferencias entre la validación cruzada y el arranque para estimar el error de predicción. ¿Funciona mejor para conjuntos de datos pequeños o grandes conjuntos de
Supongamos que tengo un conjunto de datos de muestra de una distribución desconocida o compleja, y quiero realizar alguna inferencia en una estadística de los datos. Mi inclinación por defecto es simplemente generar un montón de muestras de arranque con el reemplazo, y calcular mi estadística de en...
Estoy empezando a incursionar con el uso de glmnetla LASSO regresión donde mi resultado de interés es dicotómica. He creado un pequeño marco de datos simulados a continuación: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84,...
Estoy tratando de entender la diferencia entre los diferentes métodos de remuestreo (simulación Monte Carlo, bootstrapping paramétrico, bootstrapping no paramétrico, jackknifing, validación cruzada, pruebas de aleatorización y pruebas de permutación) y su implementación en mi propio contexto usando...
Esta pregunta ha sido provocada por algo que leí en este libro de texto de estadísticas de nivel de posgrado y que también escuché (independientemente) durante esta presentación en un seminario estadístico. En ambos casos, la declaración estaba en la línea de "debido a que el tamaño de la muestra...
Aprecio la utilidad de la rutina de arranque para obtener estimaciones de incertidumbre, pero una cosa que siempre me ha molestado es que la distribución correspondiente a esas estimaciones es la distribución definida por la muestra. En general, parece una mala idea creer que nuestras frecuencias...
Los métodos bootstrap y jackknife se pueden usar para estimar el sesgo y el error estándar de una estimación, y los mecanismos de ambos métodos de remuestreo no son muy diferentes: el muestreo con reemplazo frente a omitir una observación a la vez. Sin embargo, jackknife no es tan popular como...
Me pregunto si hace una diferencia en la interpretación si solo el dependiente, tanto el dependiente como el independiente, o solo las variables independientes se transforman logarítmicamente. Considere el caso de log(DV) = Intercept + B1*IV + Error Puedo interpretar el IV como el porcentaje...
Ok, esta es una pregunta que me mantiene despierto por la noche. ¿Se puede interpretar que el procedimiento bootstrap se aproxima a algún procedimiento bayesiano (excepto el bootstrap bayesiano)? Me gusta mucho la "interpretación" bayesiana de las estadísticas, que me parece muy coherente y fácil...
He correr a través de la afirmación de que cada muestra bootstrap (o árbol de embolsado) contendrán en promedio aproximadamente 2/32/32/3 de las observaciones. Yo entiendo que la posibilidad de no ser seleccionado en cualquiera de nnn extrae de nnn muestras con reemplazo es (1−1/n)n(1−1/n)n(1-...
Estoy interesado en determinar la cantidad de patrones significativos que surgen de un Análisis de Componentes Principales (PCA) o un Análisis de Función Ortogonal Empírica (EOF). Estoy particularmente interesado en aplicar este método a los datos climáticos. El campo de datos es una matriz MxN con...
Me pregunto si alguien conoce alguna regla general con respecto al número de muestras de bootstrap que uno debe usar, en función de las características de los datos (número de observaciones, etc.) y / o las variables
He estado mirando numerosas preguntas en este sitio sobre el arranque y los intervalos de confianza, pero todavía estoy confundido. Probablemente, parte de la razón de mi confusión es que no estoy lo suficientemente avanzado en mi conocimiento de estadísticas para comprender muchas de las...
Existen varias técnicas populares de remuestreo, que a menudo se usan en la práctica, como bootstrapping, permutation test, jackknife, etc. Hay numerosos artículos y libros que analizan estas técnicas, por ejemplo Philip I Good (2010) Permutation, Parametric y Bootstrap Tests de hipótesis Mi...
Esta pregunta puede ser demasiado abierta para obtener una respuesta definitiva, pero espero que no. Los algoritmos de aprendizaje automático, como SVM, GBM, Random Forest, etc., generalmente tienen algunos parámetros libres que, más allá de alguna guía práctica, deben ajustarse a cada conjunto de...
Sé que este es un tema bastante candente en el que nadie realmente puede dar una respuesta simple. Sin embargo, me pregunto si el siguiente enfoque no podría ser útil. El método bootstrap solo es útil si su muestra sigue más o menos (lea exactamente) la misma distribución que la población...
He leído en algunas fuentes, incluida esta , que los bosques aleatorios no son sensibles a los valores atípicos (en la forma en que lo son la regresión logística y otros métodos de LD, por ejemplo). Sin embargo, dos piezas de intuición me dicen lo contrario: Cada vez que se construye un árbol de...
Recientemente aprendí sobre el uso de técnicas de arranque para calcular errores estándar e intervalos de confianza para estimadores. Lo que aprendí fue que si los datos son IID, puede tratar los datos de la muestra como la población, y hacer un muestreo con reemplazo y esto le permitirá obtener...