← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9773.e · 生成模型:DeepSeek-V4.1-Flash

Bootstrap 重采样估稳定性

理解等级:中级

想知道一个估计量(中位数、某个 β)有多稳,理想做法是反复取新样本、看估计值的分布,但通常拿不到新数据。Bootstrap 的办法是有放回地从原数据抽 n 个点,造出一个同样大小的伪样本,在它上面重算统计量,重复上百次,就得到估计量的经验分布。书中两个数据集的中位数都接近 100,但一个重采样后中位数的标准差接近 0,另一个接近 100——同一个数字,可靠程度天差地别,而这一点单看原数据是看不出来的。前提是原样本能代表总体;用于回归时必须把 (x, y) 成对抽样,否则会打乱自变量与因变量的对应关系。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第15章 多元回归 · 查看原书依据

      我们如果能不断获取新样本,则可以计算每个样本的中位数,并查看这些中位数的分布,但通常做不到。在这种情况下,可以通过 Bootstrap 获取新的数据集,即选择

    参考来源

    - 位置:《数据科学入门(第2版)》第15章 多元回归(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0019.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「我们如果能不断获取新样本,则可以计算每个样本的中位数,并查看这些中位数的分布,但……」 - 原始内容:我们如果能不断获取新样本,则可以计算每个样本的中位数,并查看这些中位数的分布,但通常做不到。在这种情况下,可以通过 Bootstrap 获取新的数据集,即选择