Mga kontrol
Buod ng resulta
- Point estimate
- —
- Mean ng sample
- —
- Median ng sample
- —
- Standard deviation ng sample
- —
- n / B
- — / —
- Teoretikal na mean / σ
- — / —
-
Bootstrap percentile
—
-
t approximation (mean)
—
-
Normal approximation (proportion)
—
Paano kinuwenta
- I-initialize ang LCG (a=1664525, c=1013904223, m=232) gamit ang seed para maulit ang parehong sampling stream.
- Kumuha ng n= obserbasyon mula sa at i-evaluate ang napiling statistic .
- Mag-resample ng B= beses, kunin ang Type-1 quantiles, at i-report ang napiling interval ().
- Para sa CLT explorer, gamitin ang seed na may K= standardised sample means, na binubuod bilang mean/variance ≈ .
Mga histogram
Pamamahagi ng bootstrap
Ipinapakita ang sampling distribution ng statistic sa lahat ng bootstrap replicates at itinatampok ang saklaw ng CI.
Standardised mean (CLT)
Kapag in-overlay ang N(0,1), makikita kung gaano kabilis lumalapit ang empirical mean at variance sa 0 at 1.
FAQ
Bakit gamitin ang Type-1 percentile?
Gumagamit ito ng floor((B−1)p) order statistics kaya malinaw kung paano nakuha ang endpoints ng interval, katulad ng mga paliwanag sa textbook.
Ano ang benepisyo ng fixed LCG?
Ang parehong parameter gaya ng probability simulator (a=1664525, c=1013904223, m=232) ay nagbibigay ng eksaktong parehong sample kapag pareho ang seed, na kapaki-pakinabang para sa lesson plan, handout, at remote verification.