การตั้งค่า
สรุปผลลัพธ์
- ค่าประมาณจุด
- —
- ค่าเฉลี่ยของตัวอย่าง
- —
- มัธยฐานของตัวอย่าง
- —
- ส่วนเบี่ยงเบนมาตรฐานของตัวอย่าง
- —
- n / B
- — / —
- ค่าเฉลี่ยตามทฤษฎี / σ
- — / —
-
บูตสแตรปเปอร์เซ็นไทล์
—
-
ประมาณด้วย t (ค่าเฉลี่ย)
—
-
ประมาณด้วยปกติ (สัดส่วน)
—
วิธีคำนวณ
- ตั้งค่า LCG (a=1664525, c=1013904223, m=232) ด้วย seed 13579 เพื่อให้ลำดับการสุ่มตัวอย่างทำซ้ำได้.
- สุ่มตัวอย่าง n=40 ค่า จากแจกแจง เอ็กซ์โพเนนเชียล λ และคำนวณสถิติ ค่าเฉลี่ย ที่เลือก.
- สุ่มซ้ำแบบ bootstrap จำนวน B=2000 (seed ของบูตสแตรป: 97531) ครั้ง ใช้ควอนไทล์ชนิด Type-1 และรายงานช่วงความเชื่อมั่นที่เลือก (บูตสแตรปเปอร์เซ็นไทล์ (Type-1), ประมาณแบบ t (ค่าเฉลี่ย), ประมาณแบบปกติ (สัดส่วน)).
- สำหรับตัวสำรวจ CLT ใช้ seed 2468 กับค่าเฉลี่ยของตัวอย่างที่แปลงมาตรฐานแล้ว K=5000 ค่า และสรุปเป็นค่าเฉลี่ย/ความแปรปรวน ≈ —.
ฮิสโตแกรม
แจกแจงของ Bootstrap
แสดงแจกแจงของค่าสถิติจากการสุ่มซ้ำ bootstrap และไฮไลต์ช่วงความเชื่อมั่น.
ค่าเฉลี่ยที่แปลงมาตรฐานสำหรับ CLT
เมื่อวางทับกับ N(0,1) จะเห็นได้ว่าค่าเฉลี่ยและความแปรปรวนเชิงประจักษ์เข้าใกล้ 0 และ 1 ตามลำดับเร็วเพียงใด.
คำถามที่พบบ่อย
ทำไมจึงใช้ bootstrap percentile ชนิด Type-1?
เพราะใช้สถิติลำดับ floor((B−1)p) ทำให้ปลายช่วงความเชื่อมั่นอ่านง่าย และสอดคล้องกับคำอธิบาย bootstrap ในตำราเรียน.
LCG ที่กำหนดพารามิเตอร์ตายตัวมีข้อดีอย่างไร?
การใช้พารามิเตอร์เดียวกับโปรแกรมจำลองความน่าจะเป็นของเรา (a=1664525, c=1013904223, m=232) ทำให้เมื่อกำหนด seed เดียวกันจะได้ชุดตัวอย่างเหมือนกัน เหมาะกับการใช้ในแผนการสอน เอกสารประกอบ และการตรวจสอบจากระยะไกล.
เครื่องคิดเลขที่เกี่ยวข้อง
พื้นที่โฆษณา (สำรอง)