珍妮扎,西尔克;哈拉尔宾德und(单位)安内拉鲁州布列斯特克(2014年6月27日):
自举样本的假设检验和模型选择的陷阱:生物特征应用中的原因和后果。
统计部:技术报告,编号163[PDF,1MB]
摘要
bootstrap方法已经成为一种广泛使用的工具,在基于渐近理论的结果稀少的不同领域得到了应用。例如,它可以用于评估统计数据的方差、感兴趣的分位数,或者通过从零假设中重新采样进行显著性测试。最近,在生物测定领域提出了一些方法,其中对引导样本进行假设测试或模型选择,就好像它是原始样本一样。然而,从文献中可以看出,当忽略引导样本不是真正潜在分布的直接实现时,这些程序可能会分别导致更显著的结果或过度复杂的模型。我们解释了为什么会出现这种情况,并以Z检验和似然比检验为例说明了自举样本的测试不能提供有效的p值。我们还说明,正如已知理论所建议的那样,当基于自举样本计算信息标准时,该标准是不可靠的。此外,我们根据这些考虑重新审视了四种方法:p值分布的估计、模型复杂性选择、可变包含频率和模型平均。使用模拟研究和文献中的证据,我们证明这些方法可能会得出误导性的结论,并讨论解决此问题的可能方法。
Alle Versionen dieses Dokumentes公司
-
自举样本的假设检验和模型选择的陷阱:生物特征应用中的原因和后果。(存放30。2014年6月18日11时11分)
[momentan angezeigt]
- Dokument轴承
![Dokument轴承](/style/images/action_view.png)