统计学bootstrap学习教案.pptx

会计学
1
统计学bootstrap
第一页，共56页。
2
本节课内容(nèiróng)
重采样(cǎi yànɡ)技术（resampling）
Bootstrap
刀切法（jackknife）
第1页/共55页
第二页，共56页。
3
引言(yǐnyán)
是一个统计量，或者是数据的某个函数，数据来自某个未知的分布F，我们想知道 的某些性质（如偏差、方差和置信区间）
假设我们想知道 的方差
如果 的形式比较简单，可以直接用上节课学习(xuéxí)的嵌入式估计量 作为 的估计
例： ，则
，其中
，其中
问题：若 的形式很复杂（任意统计量），如何计算/估计？
第2页/共55页
第三页，共56页。
4
Bootstrap简介(jiǎn jiè)
Bootstrap是一个很通用的工具，用来估计标准误差、置信区间和偏差。由Bradley Efron于1979年提出，用于计算任意估计的标准误差
术语“Bootstrap”来自短语“to pull oneself up by one’s bootstraps” （源自西方神话故事“ The Adventures of Baron Munchausen”，男爵掉到了深湖底，没有工具，所以他想到了拎着鞋带将自己提起来）
计算机的引导程序(chéngxù)boot也来源于此
意义：不靠外界力量，而靠自身提升自己的性能，翻译为自助/自举
1980年代很流行，因为计算机被引入统计实践中来
第3页/共55页
第四页，共56页。
5
Bootstrap简介(jiǎn jiè)
Bootstrap：利用计算机手段(shǒuduàn)进行重采样
一种基于数据的模拟（simulation）方法，用于统计推断。基本思想是：利用样本数据计算统计量和估计样本分布，而不对模型做任何假设（非参数bootstrap）
无需标准误差的理论计算，因此不关心估计的数学形式有多复杂
Bootstrap有两种形式：非参数bootstrap和参数化的bootstrap，但基本思想都是模拟
第4页/共55页
第五页，共56页。
6
重采样(cǎi yànɡ)
通过从原始数据 进行n次有放回采样n个数据，得到bootstrap样本(yàngběn)
对原始数据进行有放回的随机采样，抽取的样本(yàngběn)数目同原始样本(yàngběn)数目一样
如：若原始样本(yàngběn)为
则bootstrap样本(yàngběn)可能为
…
第5页/共55页
第六页，共56页。
7
计算(jì suàn)bootstrap样本
重复B次，
1. 随机选择整数 ，每个整数的取值范围为[1, n]，选择每个[1, n]之间的整数的概率相等，均为
2. 计算(jì suàn)bootstrap样本为：
Web上有matlab代码：
BOOTSTRAP MATLAB TOOLBOX, by Abdelhak M. Zoubir and D. Robert Iskander,
Matlab函数：bootstrp
第6页/共55页
第七页，共56页。
8
Bootstrap样本(yàngběn)
在一次bootstrap采样中，某些原始样本可能没被采到，另外一些样本可能被采样多次
在一个bootstrap样本集中不包含某个原始样本 的概率为
一个bootstrap样本集包含了大约(dàyuē)原始样本集的1- = ，另外的样本没有包括
第7页/共55页
第八页，共56页。
9
模拟(mónǐ)
假设(jiǎshè)我们从 的分布 中抽取IID样本 ，当 时，根据大数定律，
也就是说，如果我们从 中抽取大量样本，我们可以用样本均值 来近似
当样本数目B足够大时，样本均值 与期望 之间的差别可以忽略不计
第8页/共55页
第九页，共56页。
10
模拟(mónǐ)
更一般地，对任意均值有限的函数h，当 有
则当 时，有
用