Bootstrap- все ще покладається на припущення для параметричних розподілів: Якщо у boostrap-розподілу статистики є нормальний розподіл, ви можете використовувати метод bootstrap- . Це призведе до симетричного ІС.tt
Якщо, однак, розподіл вибірки є перекошеним або упередженим, краще скористатися перцентильним завантажувальним рядком (що допускає асиметричні КІ).
Тепер, який метод слід використовувати?
Щодо бутстрапіруемое середнє: Згідно з результатами моделювання по Wilcox (2010), процентиль заргузочний НЕ буде використовуватися для необрізаних засобів (в даному випадку bootstrap- працює краще); починаючи з 20% обрізки, процентиль початкового завантаження перевершує bootstrap- (ситуація не ясна для обрізки 10%).tt
Ще одна підказка походить від Hesterberg et al. (2005, стор. 14-35):
Умови безпечного використання завантажувального інтервалу t і перпентилетів завантажувальних інструментів трохи розпливчасті. Ми рекомендуємо перевірити, чи ці інтервали розумні, порівнюючи їх між собою. Якщо ухил розподілу завантажувального пристрою невеликий і розподіл близький до нормального, довірчі інтервали завантаження та перцентилі довільно узгоджуються. Процентні інтервали, не схожі на інтервали t, не ігнорують нахил. Отже, перцентильні інтервали зазвичай точніші, поки зміщення невелике. Оскільки ми незабаром зустрінемо набагато більш точні інтервали завантаження, наша рекомендація полягає в тому, що коли завантажувальний t і інтервал завантажувальних перцентилів не узгоджуються, не слід застосовувати жоден тип інтервалу.
-> у разі незгоди краще використовувати коригуваний BCa завантажувальний CI!
Hesterberg, T., Monaghan, S., Moore, D., Clipson, A., & Epstein, R. (2005). Методи завантаження та тести на перестановку. Вступ до статистичної практики, 14.1–14.70.
Wilcox, RR (2010). Основи сучасних статистичних методів: Значне вдосконалення потужності та точності. Springer Verlag.