Metody resamplingu Bootstrapping, Jackknifing, Blindfolding Resampling (próbkowanie) to zbiór metod polegających na wyciąganiu powtarzających się próbek z oryginalnych próbek danych. Metoda resamplingu jest nieparametryczną metodą wnioskowania statystycznego. Innymi słowy, metoda próbkowania nie wymaga wykorzystania znanych rozkładów (na przykład tabel rozkładu normalnego) w celu obliczenia przybliżonych wartości istotności statystycznej. Próbkowanie generuje unikalny rozkład próbek na podstawie rzeczywistych danych uzyskanych w badaniu. Metody  próbkowania wykorzystują metody eksperymentalne, a nie metody analityczne, w celu wygenerowania unikalnego rozkładu próbek. Metoda resamplingu daje obiektywne oszacowania, ponieważ opiera się na bezstronnych próbkach wszystkich możliwych wyników uzyskanych  przez badacza. Poniżej są przedstawione trzy metody próbkowania Bootstrapping, Jackknifing, Blindfolding.  Metoda Bootstrapping (Losowanie ze zwracaniem) Bootstrapping wykorzystuje algorytm próbkowania ze zwracaniem, który tworzy wiele próbek (liczba który może być wybrany przez badacza). Bootstrapping jest metodą zwaną "Próbkowaniem ze zwracaniem". Oznacza to, że każda próbka zawiera losowy układ wierszy oryginalnego zestawu danych, w którym niektóre wiersze mogą się powtarzać. Powszechnie stosowana jest analogia przetasowanej talii kart , prowadząca do wielu losowych talii, jest ona dobra; ale nie do końca jest to poprawne, ponieważ w Bootstrapping ta sama "karta" może pojawić się więcej niż raz w każdej z próbnych "talii". Metoda Jackknifing Z kolei Jackknifing tworzy szereg próbek, które są równe oryginalnej próbce rozmiar i gdzie każde ponowne próbka zawiera usunięcie jednego wiersza. Oznacza to, że rozmiar próby każdego próbkowania to oryginalny rozmiar próbki minus 1. Tak więc, gdy wybiera się opcję Jackknifing, liczba prób jest automatycznie ustawiana jako wielkość próbki. Odnosi się to do najbardziej powszechnej formy Jackknifingu, znanej również jako "delete-1" i "classic" jackknifing. Metoda Jackknifing. Metoda Blindfolding Blindfolding wykorzystuje algorytm próbkowania, który tworzy wiele próbek (liczbe próbkowań może być wybrana przez badacza) za pomocą metody, w której każda próbka ma określoną liczbę wierszy zastąpionych średnimi odpowiednich kolumn. Liczba wierszy zmodyfikowanych w ten sposób przy każdym ponownym próbkowaniu jest równa wielkości próbki podzielonej przez liczbę prób. Na przykład, jeśli wielkość próbki wynosi 200, a liczba wybranych próbkowań wynosi 100, to każda próbka będzie miała zmodyfikowane 2 wiersze. Jeśli badacz wybierze liczbę próbek, która jest większa niż rozmiar próbki, to programy statystyczne automatycznie ustawią odpowiednią wielkość próbki (tak jak w przypadku Jackknifing). Metoda Blindfolding.

Metody resamplingu Bootstrapping Jackknifing Blindfolding

Metody resamplingu Bootstrapping, Jackknifing, Blindfolding

Resampling (próbkowanie) to zbiór metod polegających na wyciąganiu powtarzających się próbek z oryginalnych próbek danych. Metoda resamplingu jest nieparametryczną metodą wnioskowania statystycznego. Innymi słowy, metoda próbkowania nie wymaga wykorzystania znanych rozkładów (na przykład tabel rozkładu normalnego) w celu obliczenia przybliżonych wartości istotności statystycznej.

Próbkowanie generuje unikalny rozkład próbek na podstawie rzeczywistych danych uzyskanych w badaniu. Metody  próbkowania wykorzystują metody eksperymentalne, a nie metody analityczne, w celu wygenerowania unikalnego rozkładu próbek. Metoda resamplingu daje obiektywne oszacowania, ponieważ opiera się na bezstronnych próbkach wszystkich możliwych wyników uzyskanych  przez badacza. Poniżej są przedstawione trzy metody próbkowania Bootstrapping, Jackknifing, Blindfolding.

Metoda Bootstrapping (Losowanie ze zwracaniem)

Bootstrapping wykorzystuje algorytm próbkowania ze zwracaniem, który tworzy wiele próbek (liczba
który może być wybrany przez badacza). Bootstrapping jest metodą zwaną „Próbkowaniem ze zwracaniem”. Oznacza to, że każda próbka zawiera losowy układ wierszy oryginalnego zestawu danych, w którym niektóre wiersze mogą się powtarzać. Powszechnie stosowana jest analogia przetasowanej talii kart , prowadząca do wielu losowych talii, jest ona dobra; ale nie do końca jest to poprawne, ponieważ w Bootstrapping ta sama „karta” może pojawić się więcej niż raz w każdej z próbnych „talii”.

Metoda Jackknifing

Z kolei Jackknifing tworzy szereg próbek, które są równe oryginalnej próbce rozmiar i gdzie każde ponowne próbka zawiera usunięcie jednego wiersza. Oznacza to, że rozmiar próby każdego próbkowania to oryginalny rozmiar próbki minus 1. Tak więc, gdy wybiera się opcję Jackknifing, liczba prób jest automatycznie ustawiana jako wielkość próbki. Odnosi się to do najbardziej powszechnej formy Jackknifingu, znanej również jako „delete-1” i „classic” jackknifing. Metoda Jackknifing.

Metoda Blindfolding

Blindfolding wykorzystuje algorytm próbkowania, który tworzy wiele próbek (liczbe próbkowań może być wybrana przez badacza) za pomocą metody, w której każda próbka ma określoną liczbę wierszy zastąpionych średnimi odpowiednich kolumn. Liczba wierszy zmodyfikowanych w ten sposób przy każdym ponownym próbkowaniu jest równa wielkości próbki podzielonej przez liczbę prób. Na przykład, jeśli wielkość próbki wynosi 200, a liczba wybranych próbkowań wynosi 100, to każda próbka będzie miała zmodyfikowane 2 wiersze. Jeśli badacz wybierze liczbę próbek, która jest większa niż rozmiar próbki, to programy statystyczne automatycznie ustawią odpowiednią wielkość próbki (tak jak w przypadku Jackknifing). Metoda Blindfolding.

Metody resamplingu Bootstrapping, Jackknifing, Blindfolding Resampling (próbkowanie) to zbiór metod polegających na wyciąganiu powtarzających się próbek z oryginalnych próbek danych. Metoda resamplingu jest nieparametryczną metodą wnioskowania statystycznego. Innymi słowy, metoda próbkowania nie wymaga wykorzystania znanych rozkładów (na przykład tabel rozkładu normalnego) w celu obliczenia przybliżonych wartości istotności statystycznej. Próbkowanie generuje unikalny rozkład próbek na podstawie rzeczywistych danych uzyskanych w badaniu. Metody  próbkowania wykorzystują metody eksperymentalne, a nie metody analityczne, w celu wygenerowania unikalnego rozkładu próbek. Metoda resamplingu daje obiektywne oszacowania, ponieważ opiera się na bezstronnych próbkach wszystkich możliwych wyników uzyskanych  przez badacza. Poniżej są przedstawione trzy metody próbkowania Bootstrapping, Jackknifing, Blindfolding.  Metoda Bootstrapping (Losowanie ze zwracaniem) Bootstrapping wykorzystuje algorytm próbkowania ze zwracaniem, który tworzy wiele próbek (liczba który może być wybrany przez badacza). Bootstrapping jest metodą zwaną "Próbkowaniem ze zwracaniem". Oznacza to, że każda próbka zawiera losowy układ wierszy oryginalnego zestawu danych, w którym niektóre wiersze mogą się powtarzać. Powszechnie stosowana jest analogia przetasowanej talii kart , prowadząca do wielu losowych talii, jest ona dobra; ale nie do końca jest to poprawne, ponieważ w Bootstrapping ta sama "karta" może pojawić się więcej niż raz w każdej z próbnych "talii". Metoda Jackknifing Z kolei Jackknifing tworzy szereg próbek, które są równe oryginalnej próbce rozmiar i gdzie każde ponowne próbka zawiera usunięcie jednego wiersza. Oznacza to, że rozmiar próby każdego próbkowania to oryginalny rozmiar próbki minus 1. Tak więc, gdy wybiera się opcję Jackknifing, liczba prób jest automatycznie ustawiana jako wielkość próbki. Odnosi się to do najbardziej powszechnej formy Jackknifingu, znanej również jako "delete-1" i "classic" jackknifing. Metoda Jackknifing. Metoda Blindfolding Blindfolding wykorzystuje algorytm próbkowania, który tworzy wiele próbek (liczbe próbkowań może być wybrana przez badacza) za pomocą metody, w której każda próbka ma określoną liczbę wierszy zastąpionych średnimi odpowiednich kolumn. Liczba wierszy zmodyfikowanych w ten sposób przy każdym ponownym próbkowaniu jest równa wielkości próbki podzielonej przez liczbę prób. Na przykład, jeśli wielkość próbki wynosi 200, a liczba wybranych próbkowań wynosi 100, to każda próbka będzie miała zmodyfikowane 2 wiersze. Jeśli badacz wybierze liczbę próbek, która jest większa niż rozmiar próbki, to programy statystyczne automatycznie ustawią odpowiednią wielkość próbki (tak jak w przypadku Jackknifing). Metoda Blindfolding.

Zródło:

Kock, N. (2011). Using WarpPLS in e-Collaboration Studies: Mediating Effects, Control and Second Order Variables, and Algorithm Choices. International Journal of E-Collaboration, 7(3), 1–13. https://doi.org/10.4018/jec.2011070101

Pearl, J. (2009). Causality: Models, Reasoning and Inference (2nd ed.). New York: Cambridge University Press. https://doi.org/10.1017/CBO9780511803161

Vinzi, V. E., Trinchera, L., & Amato, S. (2010). Handbook of Partial Least Squares. https://doi.org/10.1007/978-3-540-32827-8