Bootstrapping adalah pengujian atau metrik apa pun yang menggunakan pencuplikan (misalnya meniru proses pencuplikan), dan termasuk dalam kelas metode pencuplikan ulang yang lebih luas. Bootstrapping memberikan ukuran ketepatan (bias, keragaman, selang kepercayaan, kesalahan prakiraan, dll.) ke perkiraan sampel.[1][2] Teknik ini memungkinkan prakiraan sebaran pencuplikan dari hampir semua statistik menggunakan metode pencuplikan acak.[3]
Bootstrapping memperkirakan properti suatu prakiraan (seperti variansnya) dengan mengukur properti tersebut saat pencuplikan dari persebaran perkiraan. Salah satu pilihan baku untuk perkiraan sebaran adalah fungsi sebaran empiris dari data yang diamati. Dalam kasus di mana sekumpulan pengamatan dapat dianggap berasal dari populasi yang independen dan tersebar secara identik, hal ini dapat diterapkan dengan membuat sejumlah cuplikan ulang dengan penggantian, dari kumpulan data yang diamati (dan berukuran sama dengan kumpulan data yang diamati).
Ini juga dapat digunakan untuk membangun uji duga.[4] Ini sering digunakan sebagai alternatif inferensi statistik berdasarkan anggapan model parametrik ketika anggapan tersebut diragukan, atau ketika inferensi parametrik tidak mungkin atau memerlukan rumus yang rumit untuk penghitungan galat baku.
Referensi
sunting- ^ Efron, B.; Tibshirani, R. (1993). An Introduction to the Bootstrap. Boca Raton, FL: Chapman & Hall/CRC. ISBN 0-412-04231-2. software Diarsipkan 2012-07-12 di Archive.is
- ^ Second Thoughts on the Bootstrap – Bradley Efron, 2003
- ^ Weisstein, Eric W. "Bootstrap Methods." From MathWorld--A Wolfram Web Resource. http://mathworld.wolfram.com/BootstrapMethods.html
- ^ Lehmann E.L. (1992) "Introduction to Neyman and Pearson (1933) On the Problem of the Most Efficient Tests of Statistical Hypotheses". In: Breakthroughs in Statistics, Volume 1, (Eds Kotz, S., Johnson, N.L.), Springer-Verlag. ISBN 0-387-94037-5 (followed by reprinting of the paper).
