Angenommen, ich habe eine kleine Anzahl (N) von Beobachtungen für eine Hypothese gesammelt , die ich testen möchte. Ich könnte die Bootstrap-Methode verwenden, um eine Stichprobenverteilung für das mittlere Ergebnis von N Beobachtungen zu erstellen, aber ich befürchte, dass dieses Modell zusammenbrechen könnte, wenn N sehr klein wird, was zu Fehlern in der Stichprobenverteilung selbst führt.
Meine Frage ist also, wie ich bestimmen kann, welches Minimum N ich für vernünftige Ergebnisse benötige. oder quantitativer, wie ist N an den Abtastfehler als N-> 0 gebunden?
Update: Ich werde verstehen, dass der Mindestwert für N abhängig von der Art der zugrunde liegenden Daten variiert. Welche Meta-Beobachtungen kann ich in diesem Fall machen, um dies festzustellen? Ich kenne die wahre zugrunde liegende Distribution nicht, sonst müsste ich nicht booten.
Antworten:
Es gibt keine eindeutige Antwort darauf, da dies immer von der tatsächlichen Verteilung Ihrer Daten abhängt (stellen Sie sich den entarteten Fall vor, in dem nur 1 zulässig ist: Dann ist ein Bootstrap aus einer Stichprobe der Größe 1 so gut wie alles andere !) und die Statistik, die Sie berechnen werden: Einige Statistiken haben mehr Probleme, sich von einer kleinen Stichprobengröße zu erholen als andere (stellen Sie sich ein Resampling eines extremen Ausreißers vor).
Also: Sie müssen genauer sein als das, was Sie uns bisher gegeben haben.
quelle