Condividi su
Campionamento >
tecniche di Ricampionamento sono una serie di metodi per ripetere il prelievo da un campione o di una popolazione, o un modo per stimare la precisione di una statistica. Anche se il metodo suona scoraggiante, la matematica coinvolti è relativamente semplice e richiede solo una comprensione di livello di scuola superiore di algebra.
In modo informale, il ricampionamento può significare qualcosa di un po ‘ più semplice: ripetere qualsiasi metodo di campionamento. Ad esempio, se si sta conducendo un test del rapporto di probabilità sequenziale e non si giunge a una conclusione, si ricampiona e si rieseguisce il test. Per la maggior parte degli scopi, però, se leggi il ricampionamento (al contrario di “ricampionamento”), allora l’autore sta probabilmente parlando di una tecnica di ricampionamento specifica.
Tecniche specifiche di ricampionamento
Le tecniche principali sono:
- Bootstrap e ricampionamento normale (campionamento da una distribuzione normale).
- Ricampionamento della permutazione (chiamato anche riarrangiamenti o rerandomizzazione),
- Convalida incrociata.
Bootstrap e ricampionamento normale
Bootstrap è un tipo di ricampionamento in cui un gran numero di campioni più piccoli della stessa dimensione vengono ripetutamente estratti, con sostituzione, da un singolo campione originale. Il ricampionamento normale è molto simile al bootstrapping in quanto è un caso speciale del modello di spostamento normale—una delle ipotesi per il bootstrapping (Westfall et al., 1993). Sia il bootstrap che il ricampionamento normale presuppongono che i campioni siano tratti da una popolazione effettiva (reale o teorica). Un’altra somiglianza è che entrambe le tecniche utilizzano il campionamento con sostituzione.
Idealmente, si vorrebbe disegnare campioni di grandi dimensioni, non ripetuti, da una popolazione al fine di creare una distribuzione di campionamento per una statistica. Tuttavia, risorse limitate possono impedire di ottenere la statistica ideale. Ricampionamento significa che è possibile disegnare piccoli campioni più e più volte dalla stessa popolazione. Oltre a risparmiare tempo e denaro, i campioni possono essere approssimazioni abbastanza buone per i parametri della popolazione.
Ricampionamento della permutazione
A differenza del bootstrap, il ricampionamento della permutazione non richiede alcuna “popolazione”; il ricampionamento dipende solo dall’assegnazione delle unità ai gruppi di trattamento. Il fatto che tu abbia a che fare con campioni reali, invece di popolazioni, è una delle ragioni per cui a volte viene definita la tecnica di bootstrap Gold standard (Strawderman e Mehr, 1990). Un’altra importante differenza è che il ricampionamento della permutazione è una tecnica di campionamento senza sostituzione.
Cross Validation
Cross-validation è un modo per convalidare un modello predittivo. I sottoinsiemi dei dati vengono rimossi per essere utilizzati come set di convalida; i dati rimanenti vengono utilizzati per formare un set di addestramento, che viene utilizzato per prevedere il set di convalida.
——————————————————————————
Hai bisogno di aiuto con un compito a casa o una domanda di prova? Con Chegg Studio, è possibile ottenere soluzioni passo-passo alle vostre domande da un esperto del settore. I tuoi primi 30 minuti con un tutor Chegg sono gratuiti!
