부트스트랩 알고리즘

1. 부트스트랩 알고리즘 2. 재크나이프 기법 나에게 데이터가 주어져 있다. 그런데 만약 데이터 표본을 가지고 모집단의 확률분포를 추정하고 싶다면 어떻게 해야 할까? 하나의 방법은 부트스트랩 알고리즘을 이용하는 것이다. 먼저 경험 분포 함수가 뭔지 정의를 해보자. 경험 분포 함수는 입력값보다 같거나 작은 표본 수의 비율을 뜻한다. 즉, 식 (1)로 표현할 수 있다. 경험 분포 함수의 정의에 따라 n*Fn(x) 는 이항분포 B(n, F(x))을 따른다고 볼 수 있다. 이때 기댓값과 분산을 구해보면, Fn(x)는 F(x)의 불편추정량이며 분산은 F(x)(1-F(x))/n 임을 알 수 있다. [부트스트랩 알고리즘] 부트스트랩(Bootstrap)은 일반적으로 Parametric bootstrap과 non-parametric bootstrap으로 나뉜다. parametric은 재표본 과정에서 미지의 모수에 의한 확률분포를 가정하는 부트스트랩 알고리즘이고, non-parametric은 CDF를...

원문링크 : 부트스트랩 알고리즘