发帖
雷达卡
Bootstrapping是一种流行的重采样方法，用来估计统计量的抽样分布。重采样方法的理论可以追溯到RA爵士费舍尔，最早是在20世纪70年代，布拉德利·埃夫隆提出人工重复采样。bootstrapping涉及从一个数据集重复取样，以形成大小相同的新的数据集。这近似于从目标人群中重复取样的过程。最终的结果是产生大量（几百或几千个）的bootstrapping样本，它可以被用来估计几乎任何选择的统计量的标准误差和置信区间。
bootstrapping是一种非参数方法，它不需要分布假设或理论计算，可供即使是最复杂的估计。因此，你可以用它来估计各种各样的总体参数的置信区间。出于同样的理由，bootstrapping作为一种直观，更直接的方法进行推理的教学理念，也在统计教育领域得到普及。
在JMP Pro中，bootstrapping在几乎所有的报告中都适用。只有两个例外，时间序列和使用约束最大似然法（REML） 分析。
JMP Pro里的bootstrapping
1.从分析平台报告窗口，在感兴趣的报告中，单击鼠标右键，然后选择bootstrapping。在这个例子中，我使用了分布平台，在总结统计报告中bootstrapping一个连续变量统计数字。
2.在Bootstrapping的窗口中，单击OK（确定）。 JMP用统计数据为第一行（除去）的原始样本以及每个bootstrap样本创建出一个数据表（如下）。该BootID•列 识别bootstrapping样本数。
3.使用分布平台来探索对bootstrap样本感兴趣的统计数据。提供不同置信水平的bootstrap百分置信区间。
注：高级bootstrap方法可在JMP Pro的分区和神经平台上使用。有关bootstrapping在JMP Pro的详细信息，请访问
英文原文请见：http://blogs.sas.com/content/jmp/
京公网安备 11010802022788号
