Складано-ножева перевибірка: відмінності між версіями

[неперевірена версія][неперевірена версія]
Вилучено вміст Додано вміст
Немає опису редагування
Немає опису редагування
Рядок 1:
Складано-ножева перевибірка або метод складеного ножа ({{Lang-en|jackknife}})  — один із методів [[Ресемплінг|ресемплінгу]] (лінійне наближення [[Статистичний бутстреп|статистичного бутстрепу]]), який використовується для оцінки похибки в [[Статистичне виведення|статистичному виведенні]]. Спосіб полягає в наступному: для кожного елементу обчислюється середнє значення вибірки без урахування даного елементу, а потім  — среднє всіх таких значень. Для вибірки из N элементів оцінка розраховується шляхом обчислення середнього значення решти N-1 елементів.
 
Цей метод розробив Морріс К. (1949-19561949—1956) з метою зменшення похибки оцінки окремого зразку. Джон Тьюкі  у 1958 році розширив його можливості і запропонував назву «складений ніж», тому що його дія нагадує складений ніж  — простий інструмент, за допомогою якого можна вирішити безліч різноманітних проблем, нехай й менш ефективно, ніж за допомогою призначених для цього засобів. Він може допомогти покращити оцінку в випадку коли дані розподілені не рівномірно.
 
== Оцінка ==
Рядок 9:
 
== Дисперсійна оцінка ==
Оцінка дисперсії параметрів може бути обчислена за формулою: де <math>{\bar {x}}_{i}</math>це оціночні параметри, а <br/> <math>{\displaystyle {\bar {x}}_{\mathrm {(.)} }={\frac {1}{n}}\sum _{i}^{n}{\bar {x}}_{i}}</math>&nbsp;— оцінка що базується на всіх елементах.
 
де <math>{\bar {x}}_{i}</math>це оціночні параметри, а <br/> <math>{\displaystyle {\bar {x}}_{\mathrm {(.)} }={\frac {1}{n}}\sum _{i}^{n}{\bar {x}}_{i}}</math> -- оцінка що базується на всіх елементах.
 
Іншими словами, оцінка дисперсії це середнє арифметичне квадратів різности середнього арифметичного всіх елементів и даного.
 
== Оцінка та корекція зміщення ==
== Оценка и коррекция смещения ==
Даний метод може бути використаний для оцінки похибки параметра відносно всієї вибірки. Введемо <math>{\displaystyle {\hat {\theta }}}</math>, як оцінку параметру на основі всіх даних: