Плюси і мінуси завантаження

Щойно я дізнався про концепцію завантажувального завантаження, і надумалося наївне запитання: якщо ми завжди можемо генерувати численні зразки завантажувальних даних з наших даних, навіщо взагалі турбуватися отримувати більше "реальних" даних?

Я думаю, що у мене є пояснення, будь ласка, скажіть мені, чи я прав: я думаю, що процес завантаження зменшує дисперсію, АЛЕ якщо мій оригінальний набір даних BIASED, ніж я застряг із низькою дисперсією та великим ухилом, незалежно від того, скільки реплік Я беру.

Завантажувальний пристрій - це метод робити висновок таким чином, що не потрібно приймати параметричну форму для розподілу населення. Він не розглядає оригінальний зразок так, як якщо б це популяція, навіть ті, що стосуються відбору проб із заміною вихідного зразка. Він передбачає, що відбір проб із заміною вихідного зразка розміром n імітує взяття зразка розміром n з більшої сукупності. Він також має багато варіантів, таких як m з n завантажувальної стрічки, який повторно відбирає m час із вибірки розміром n, де m <n. Приємні властивості завантажувальної стрічки залежать від асимптотичної теорії. Як згадували інші, завантажувальний пристрій не містить більше інформації про населення, ніж те, що наведено в оригінальній вибірці. З цієї причини, іноді це не добре працює у невеликих пробах.

У другій моїй книзі "Методи завантаження: Посібник для практиків", опублікованій Wiley в 2007 році, я вказую на ситуації, коли завантажувальний пристрій може вийти з ладу. Сюди входить розподіл, у якого немає кінцевих моментів, невеликі розміри вибірки, оцінка екстремальних значень від розподілу та оцінка відхилення у вибірковому обстеженні, де розмір сукупності становить N та береться великий зразок n. У деяких випадках варіанти завантажувальної програми можуть працювати краще, ніж оригінальний підхід. Це трапляється з m out of n bootstrap у деяких програмах. У разі оцінки частоти помилок при дискримінаційному аналізі завантажувальна програма 632 є вдосконаленням порівняно з іншими методами, включаючи інші методи завантаження.

Причиною його використання є те, що іноді ви не можете покластися на параметричні припущення, а в деяких ситуаціях завантажувальна програма працює краще, ніж інші непараметричні методи. Він може бути застосований до найрізноманітніших проблем, включаючи нелінійну регресію, класифікацію, оцінку довірчого інтервалу, оцінку зміщення, коригування p-значень та аналіз часових рядів.

Зразок завантажувальної програми може розповісти лише про вихідний зразок, і не дасть вам нової інформації про реальну сукупність. Це просто непараметричний метод побудови довірчих інтервалів тощо.

Якщо ви хочете отримати більше інформації про населення, вам доведеться зібрати більше даних від населення.