Įkrovos stebėjimas yra statistinė technika, patenkanti į platesnę mėginių ėmimo dalį. Ši technika apima gana paprastą procedūrą, tačiau pakartojama tiek kartų, kad ji labai priklauso nuo kompiuterio skaičiavimų. Įkrovos stebėjimas suteikia kitokį nei pasitikėjimo intervalus populiacijos parametrui įvertinti. Atrodo, kad paleidimas viršuje veikia kaip magija. Perskaitykite toliau, kad sužinotumėte apie savo įdomų pavadinimą.
Paaukštinimo paleidimas paaiškinimas
Vienas iš tikslų įtaigi statistika yra nustatyti populiacijos parametro vertę. Paprastai tai matuoti yra per brangu arba net neįmanoma. Taigi mes naudojame statistinė atranka. Mes atrenkame populiaciją, išmatuojame šios imties statistiką ir paskui naudojame šią statistiką, kad ką nors pasakytume apie atitinkamas parametras gyventojų.
Pavyzdžiui, šokolado fabrike galbūt norėsime garantuoti, kad saldainių batonėliai turi ypatingą dėmesį reiškia svoris. Neįmanoma pasverti visų pagamintų saldainių batonėlių, todėl mes naudojame mėginių ėmimo metodus, kad atsitiktinai pasirinktume 100 saldainių batonėlių. Mes apskaičiuojame šių 100 saldainių batonėlių vidurkį ir sakome, kad populiacijos vidurkis paklaidauja nuo to, koks yra mūsų imties vidurkis.
Tarkime, kad po kelių mėnesių norime sužinoti kuo tiksliau - ar mažiau paklaidos riba - koks vidutinis saldainių batonėlių svoris buvo tą dieną, kai mes paėmėme mėginius gamybos linijoje. Negalime naudoti ir šiandienos saldainių batonėlių daug kintamųjų pateko į nuotrauką (skirtingos pieno, cukraus ir kakavos pupelių partijos, skirtingos atmosferos sąlygos, skirtingi darbuotojai linijoje ir kt.). Viskas, ką turime nuo tos dienos, kai mums įdomu, yra 100 svorių. Neatlikus laiko skaičiavimo mašinos iki tos dienos, atrodytų, kad pradinė klaidų riba yra geriausia, ko galime tikėtis.
Laimei, mes galime naudoti įkrovos technika. Šioje situacijoje mes atsitiktinai mėginys su pakeitimu iš 100 žinomų svorių. Tada mes tai vadiname įkrovos pavyzdžiu. Kadangi mes leidžiame juos pakeisti, šis įkrovos pavyzdys greičiausiai nėra identiškas mūsų pradiniam mėginiui. Kai kurie duomenų taškai gali būti dubliuojami, o kiti duomenų taškai iš pradinių 100 gali būti praleisti įkrovos pavyzdyje. Kompiuterio pagalba per palyginti trumpą laiką galima sukurti tūkstančius įkrovos pavyzdžių.
Pavyzdys
Kaip minėta, norint iš tikrųjų naudoti „bootstrap“ metodus, reikia naudoti kompiuterį. Šis skaitinis pavyzdys padės parodyti, kaip procesas veikia. Jei pradėsime nuo 2, 4, 5, 6, 6 mėginio, tada visi šie pavyzdžiai yra galimi įkrovos pavyzdžiai:
- 2 ,5, 5, 6, 6
- 4, 5, 6, 6, 6
- 2, 2, 4, 5, 5
- 2, 2, 2, 4, 6
- 2, 2, 2, 2, 2
- 4,6, 6, 6, 6
Technikos istorija
„Bootstrap“ metodai yra palyginti nauji statistikos srityje. Pirmasis panaudojimas buvo išspausdintas 1979 m. Bradley Efron knygoje. Padidėjus skaičiavimo galiai, ji tapo pigesnė, o pradinio įkėlimo metodai tapo plačiau paplitę.
Kodėl vardas „Bootstrapping“?
Pavadinimas „bootstrapping“ yra kilęs iš frazės: „Norėdami pakelti save už savo bagažinės“. Tai reiškia, kad nesąžininga ir neįmanoma. Išbandykite kuo įmanydami, jūs negalite pakilti į orą tempdami odinius gabalus ant batų.
Yra tam tikra matematinė teorija, pateisinanti įkrovos braižymo būdus. Tačiau naudojant „bootstrapping“ jaučiama, kaip darai neįmanoma. Nors neatrodo, kad galėtumėte patobulinti gyventojų statistikos vertinimą pakartotinai naudodami tą pačią imtį vėl ir vėl, iš tikrųjų „bootstrapping“ tai gali padaryti.