Bootstrap - Vad är det, definition och koncept

Bootstrap är en mekanism för statistik och ekonometri som fokuserar på omprovtagning av data i ett slumpmässigt eller slumpmässigt urval. Dess huvudsakliga användning är att hitta en approximation till fördelningen av den analyserade variabeln.

Denna process är också känd i statistisk jargong som bootstrapping och är resultatet av studier inom statistisk provtagning av matematikern Bradley Efron i slutet av 1970-talet.

Bootstrap-verktyget

Huvudfunktionen med att använda bootstrap är att minska förspänningen i analysen eller, med andra ord, att approximera variansen genom att utföra slumpmässig omprovtagning av det ursprungliga urvalet och inte av populationen. På detta sätt underlättas konstruktionen av statistiska modeller genom att skapa konfidensintervall och hypotesprov.

Även om det kan verka som en mycket komplex praxis på förhand, är proceduren som bootstrapping baseras på helt enkelt skapandet av ett stort antal prover som omplacerar datan med referens till ett initialt populationsprov.

Denna teknik är särskilt användbar i situationer där tillgängliga prover är små eller, som nämnts tidigare, om fördelningen är mycket sned. I den meningen hjälper de till att lösa en mängd problem med sannolikhet och tillämpad statistik.

Bootstrap-funktioner

Ett av de viktigaste kännetecknen för denna praxis är att det innebär efterprovtagning för att erhålla slutna uttryck och lösa den matematiska komplexiteten hos dessa operationer. Med utvecklingen av datorer och tekniska verktyg de senaste åren har det blivit lättare att räkna med att bootstrapping används för komplex omprovning.

Omprövningstekniken gör att vi kan gå längre när vi studerar dataprov från en viss population. Med andra ord, det låter dig göra eller skapa nya antaganden genom att ersätta ytterligare värden från exemplet.

Fördelar med Bootstrap

En positiv aspekt av omvandling av bootstrap är att det har förenklat statistiska metoder, i den meningen att det har ersatt konstruktionen av klassiska och mycket komplexa matematiska modeller med beräkning med specifik programvara, vilket har förbättrat deras tillämpbarhet eller tillgång till andra fält eller studier.

Efter denna linje anses det vanligtvis att denna mekanism är mycket mer öppen eller tillgänglig jämfört med klassiska modeller och antaganden, vilket gör den till ett användbart verktyg för ett stort antal matematiska problem.