Ricampionamento

Il ricampionamento è il metodo che consiste nel prelevare campioni ripetuti dagli esempi di dati originali. Il metodo di ricampionamento è un metodo non parametrico di inferenza statistica. In altre parole, il metodo di ricampionamento non comporta l’utilizzo delle tabelle di distribuzione generiche (ad esempio, tabelle di distribuzione normali) per calcolare valori approssimativi di probabilità P.

Il ricampionamento comporta la selezione di casi randomizzati con sostituzione dal campione di dati originale in modo tale che ogni numero del campione estratto abbia un numero di casi simili al campione di dati originale. A causa della sostituzione, il numero disegnato di campioni utilizzati dal metodo di ricampionamento è costituito da casi ripetitivi.

Il ricampionamento genera una distribuzione di campionamento univoca sulla base dei dati effettivi. Il metodo di ricampionamento utilizza metodi sperimentali, piuttosto che metodi analitici, per generare la distribuzione di campionamento unica. Il metodo di ricampionamento produce stime imparziali in quanto si basa sui campioni imparziali di tutti i possibili risultati dei dati studiati dal ricercatore.

Il ricampionamento è noto anche come Bootstrap o Stima Monte Carlo. Per comprendere il concetto di ricampionamento, il ricercatore dovrebbe comprendere i termini Bootstrap e stima Monte Carlo:

• Il metodo di bootstrap, che è equivalente al metodo di ricampionamento, utilizza campioni ripetuti dal campione di dati originale per calcolare la statistica del test.
• La stima Monte Carlo, che è anche equivalente al metodo di bootstrap, viene utilizzata dal ricercatore per ottenere i risultati del ricampionamento.

Ipotesi

Questo metodo di ricampionamento generalmente ignora le ipotesi parametriche che riguardano l’ignoranza della natura della distribuzione dei dati sottostante. Pertanto, il metodo si basa su ipotesi non parametriche.

Nel ricampionamento, non vi è alcun requisito specifico di dimensione del campione. Pertanto, più grande è il campione, più affidabili sono gli intervalli di confidenza generati dal metodo di ricampionamento.

Vi è un aumento del pericolo di rumore eccessivo nei dati. Questo tipo di problema può essere risolto facilmente combinando il metodo di ricampionamento con il processo di validazione incrociata.

Ricampionamento in SPSS

In SPSS, il ricercatore può eseguire il metodo di ricampionamento nel modo seguente:

Dopo aver selezionato “Test non parametrici” dal menu Analizza, il ricercatore fa clic su “Due test campione indipendenti”, dove il ricercatore trova un pulsante “Esatto”. Ciò consente al ricercatore di fare una scelta tra i tipi di stime di significatività. Una di queste scelte che il ricercatore può fare include il metodo di “Monte Carlo”, che è anche un metodo di Bootstrap e ricampionamento.

Le soluzioni statistiche possono aiutare a determinare la dimensione del campione / analisi della potenza per il tuo studio di ricerca. Per saperne di più, visita la nostra pagina web sull’analisi delle dimensioni del campione / potenza, o contattaci oggi.