리샘플링
리샘플링은 원래 데이터 샘플로부터 반복된 샘플을 그리는 것으로 구성된 방법이다. 리샘플링 방법은 통계적 추론의 비모수 방법입니다. 즉,리샘플링 방법은 대략적인 확률 값을 계산하기 위해 일반 분포 테이블(예:정규 분포 테이블)의 활용을 포함하지 않습니다.
리샘플링은 그려진 샘플의 각 숫자가 원래 데이터 샘플과 유사한 다수의 케이스를 갖는 방식으로 원래 데이터 샘플로부터 대체되는 무작위 케이스의 선택을 포함한다. 교체로 인해 리샘플링 방법에 사용되는 그려진 샘플 수는 반복적 인 경우로 구성됩니다.
리샘플링은 실제 데이터를 기반으로 고유 한 샘플링 분포를 생성합니다. 리샘플링 방법은 분석 방법이 아닌 실험 방법을 사용하여 고유 한 샘플링 분포를 생성합니다. 이 연구원에 의해 연구 된 데이터의 모든 가능한 결과의 편견 샘플을 기반으로 리샘플링 방법은 편견 추정치를 산출한다.
리샘플링은 부트스트래핑 또는 몬테카를로 추정으로도 알려져 있다. 리샘플링의 개념을 이해하기 위해,연구원은 용어 부트 스트랩과 몬테 카를로 추정을 이해해야한다:
- 리샘플링 방법과 동일한 부트스트래핑 방법은 테스트 통계를 계산하기 위해 원래 데이터 샘플에서 반복된 샘플을 사용합니다.
- 부트스트랩 방법과 동등한 몬테카를로 추정은 연구자가 리샘플링 결과를 얻기 위해 사용한다.
가정
이 리샘플링 방법은 일반적으로 기본 데이터 분포의 특성을 무시하는 파라메트릭 가정을 무시합니다. 따라서이 방법은 비모수 가정을 기반으로합니다.
리샘플링에는 특정 샘플 크기 요구 사항이 없습니다. 따라서 샘플이 클수록 리샘플링 방법에 의해 생성되는 신뢰 구간이 더 신뢰할 수 있습니다.
데이터에서 과도한 잡음의 위험이 증가합니다. 이 유형의 문제는 리샘플링 방법과 교차 검증 프로세스를 결합하여 쉽게 해결할 수 있습니다.
분석 메뉴에서”비모수 검정”을 선택한 후,연구원은”두 개의 독립적 인 샘플 검정”을 클릭하여 연구자가”정확한”버튼을 찾습니다. 이를 통해 연구원은 중요성 추정 유형 중에서 선택할 수 있습니다. 연구원이 할 수있는 그러한 선택 중 하나는 부트 스트랩 및 리샘플링 방법 인”몬테 카를로”의 방법을 포함합니다.
통계 솔루션은 연구 연구의 표본 크기/검정력 분석을 결정하는 데 도움이 될 수 있습니다. 자세한 내용은,샘플 크기/전력 분석에 우리의 웹 페이지를 방문,또는 오늘 저희에게 연락.