Kontrola
Podsumowanie wyników
- Estymata punktowa
- —
- Średnia próby
- —
- Mediana próby
- —
- Odchylenie standardowe próby
- —
- n / B
- — / —
- Średnia teoretyczna / σ
- — / —
-
Percentyl bootstrap
—
-
Przybliżenie t (średnia)
—
-
Przybliżenie normalne (proporcja)
—
Jak to obliczono
- Inicjalizuj LCG (a=1664525, c=1013904223, m=232) z ziarnem 13579, aby strumień próbkowania był powtarzalny.
- Wylosuj n=40 obserwacji z Wykładniczy λ i oblicz wybraną statystykę Średnia.
- Powtórz bootstrap 2000 (Ziarno bootstrap: 97531) razy, weź kwantyle typu 1 i zgłoś wybrane przedziały (Percentyl bootstrap (typ 1), Przybliżenie t (średnia), Przybliżenie normalne (proporcja)).
- Dla eksploratora CLT użyj ziarna 2468 z K=5000 uśrednionymi standaryzowanymi średnimi, zbiorczo średnia/wariancja ≈ —.
Histogramy
Dystrybucja Bootstrapa
Pokazuje rozkład próbkowania statystyki w replikacjach bootstrap i podkreśla zakres CI.
Średnie ustandaryzowane CLT
Nałożenie N(0,1) pokazuje, jak szybko średnia empiryczna i wariancja zbliżają się odpowiednio do 0 i 1.
Najczęstsze pytania
Dlaczego warto używać percentyla typu 1?
Wykorzystuje statystyki porządkowe floor((B−1)p), więc końce przedziału są jasne dla uczniów i odpowiadają podręcznikowym wyjaśnieniom bootstrapu.
Jakie korzyści niesie ze sobą stały LCG?
Te same parametry co nasz symulator prawdopodobieństwa (a=1664525, c=1013904223, m=232) gwarantują identyczne próbki dla danego materiału siewnego, co idealnie nadaje się do scenariuszy lekcji, materiałów informacyjnych i zdalnej weryfikacji.