Бутстрэп (статистика)

Бутстрэп (англ. bootstrap) в статистике — практический компьютерный метод исследования распределения статистик вероятностных распределений, основанный на многократной генерации выборок методом Монте-Карло на базе имеющейся выборки. Позволяет просто и быстро оценивать самые разные статистики (доверительные интервалы, дисперсию, корреляцию и так далее) для сложных моделей.

Понятие введено в 1977 году Брэдли Эфроном (первая публикация относится к 1979 году). Суть метода состоит в том, чтобы по имеющейся выборке построить эмпирическое распределение. Используя это распределение как теоретическое распределение вероятностей, можно с помощью датчика псевдослучайных чисел сгенерировать практически неограниченное количество псевдовыборок произвольного размера, например, того же, как у исходной. На множестве псевдовыборок можно оценить не только анализируемые статистические характеристики, но и изучить их вероятностные распределения. Таким образом, например, оказывается возможным оценить дисперсию или квантили любой статистики независимо от её сложности. Данный метод является методом непараметрической статистики.

Наряду с методами «складного ножа», перекрёстной проверки и перестановочным тестированием (англ. exact test) составляет класс методов генерации повторной выборки (англ. resampling).

ЭтимологияПравить

 

У стоящего ботинка виден торчащий ремешок (англ. bootstrap)

Слово происходит от выражения: «To pull oneself over a fence by one’s bootstraps.» (дословно — «перебраться через ограду, потянув за ремешки на ботинках» (см. фото справа). Для русскоязычных людей ближе будет история барона Мюнхгаузена, который, потянув себя за волосы, вытащил себя и свою лошадь из болота.

Сам англицизм «бутстрап» используется во многих областях знаний, где нужно передать смысл того, что вы получаете что-то «бесплатно» или магическим образом из ничего получаете нечто стоящее. В области статистики ближайший по этимологии аналог термина — «самовытягивание».

Вводный примерПравить

Пусть имеется два наблюдения:

$(x_1,y_1)=(1,1),(x_2,y_2)=(2,3)$$(x_{1},y_{1})=(1,1),\ (x_{2},y_{2})=(2,3)$ 

Предположим, что нам необходимо оценить параметр в регрессии y на x:

$y_i=\mathrm{\theta <!--\; \theta \; -->}{x}_i+{\mathrm{ϵ<!--\; ϵ\; -->}}_i$$y_{i}=\theta x_{i}+\epsilon _{i}$ 

Оценка параметра, полученная методом наименьших квадратов, будет равна

$\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}=\frac{x_1{y}_1+x_2{y}_2}{x_1^2+x_2^2}=\frac{1\times <!--\; \times \; -->1+2\times <!--\; \times \; -->3}{1^2+2^2}=\frac{7}{5}$${\hat {\theta }}={\frac {x_{1}y_{1}+x_{2}y_{2}}{x_{1}^{2}+x_{2}^{2}}}={\frac {1\times 1+2\times 3}{1^{2}+2^{2}}}={\frac {7}{5}}$ 

Эмпирическая функция распределения при этом равна

$(x,y{)}^{\prime }=\{\begin{array}{l}(1,1{)}^{\prime },p=1/2\\ (2,3{)}^{\prime },p=1/2\end{array}$$(x,y)'={\begin{cases}(1,1)',\quad p=1/2\\(2,3)',\quad p=1/2\\\end{cases}}$ 

При этом данные из двух наблюдений относительно эмпирического распределения будут распределены так:

$(x_1,y_1{)}^{\prime },(x_2,y_2{)}^{\prime }=\{\begin{array}{l}(1,1{)}^{\prime },(1,1{)}^{\prime },p=1/4\\ (1,1{)}^{\prime },(2,3{)}^{\prime },p=1/4\\ (2,3{)}^{\prime },(1,1{)}^{\prime },p=1/4\\ (2,3{)}^{\prime },(2,3{)}^{\prime },p=1/4\end{array}$$(x_{1},y_{1})',(x_{2},y_{2})'={\begin{cases}(1,1)',(1,1)',\quad p=1/4\\(1,1)',(2,3)',\quad p=1/4\\(2,3)',(1,1)',\quad p=1/4\\(2,3)',(2,3)',\quad p=1/4\\\end{cases}}$ 

Это и есть бутстрэповское распределение. Далее можем найти распределение МНК-оценки:

${\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_2^{\ast <!--\; \ast \; -->}=\{\begin{array}{l}1,p=1/4\\ 7/5,p=1/2\\ 3/2,p=1/4\end{array}$${\hat {\theta }}_{2}^{*}={\begin{cases}1,\quad \quad p=1/4\\7/5,\quad p=1/2\\3/2,\quad p=1/4\\\end{cases}}$ 

ПрименениеПравить

Бутстрэп используется для корректировки смещения, тестирования гипотез, построения доверительных интервалов.

Бутстрэповский доверительный интервал: алгоритмПравить

Пусть дана выборка $(z_1;z_2;\dots <!--\; \dots \; -->;z_n)$$(z_{1};z_{2};\dots ;z_{n})$  из генеральной совокупности, и требуется оценить параметр $\mathrm{\theta <!--\; \theta \; -->}$$\theta$ . Необходимо выбрать количество $B$$B$  псевдовыборок, которые будут формироваться из элементов исходной выборки с возвращением. Для каждой из псевдовыборок $(z_1^{\ast <!--\; \ast \; -->};z_2^{\ast <!--\; \ast \; -->};\dots <!--\; \dots \; -->;z_n^{\ast <!--\; \ast \; -->}{)}_b,b=1,2,\dots <!--\; \dots \; -->,B$$(z_{1}^{*};z_{2}^{*};\dots ;z_{n}^{*})_{b},b=1,2,\dots ,B$  вычисляется псевдостатистика ${\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_b^{\ast <!--\; \ast \; -->}$${\hat {\theta }}_{b}^{*}$ .

Псевдостатистики ${\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_1^{\ast <!--\; \ast \; -->},{\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_2^{\ast <!--\; \ast \; -->},\dots <!--\; \dots \; -->,{\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_B^{\ast <!--\; \ast \; -->}$${\hat {\theta }}_{1}^{*},{\hat {\theta }}_{2}^{*},\dots ,{\hat {\theta }}_{B}^{*}$  сортируются от меньшей к большей. Квантилями $q_{{\mathrm{\alpha <!--\; \alpha \; -->}}_1}^{\ast <!--\; \ast \; -->},q_{1-<!--\; -\; -->{\mathrm{\alpha <!--\; \alpha \; -->}}_2}^{\ast <!--\; \ast \; -->}$$q_{\alpha _{1}}^{*},q_{1-\alpha _{2}}^{*}$  принимаются значения ${\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_{[B{\mathrm{\alpha <!--\; \alpha \; -->}}_1]}^{\ast <!--\; \ast \; -->},{\stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}_{[B(1-<!--\; -\; -->{\mathrm{\alpha <!--\; \alpha \; -->}}_2)+1]}^{\ast <!--\; \ast \; -->}$${\hat {\theta }}_{[B\alpha _{1}]}^{*},{\hat {\theta }}_{[B(1-\alpha _{2})+1]}^{*}$ . С их помощью строится доверительный интервал.

ЛитератураПравить

• Станислав Анатольев. Эконометрика для продолжающих. Курс лекций. — 2002.
• Bradley Efron. Bootstrap Methods: Another Look at the Jackknife (англ.) // Annals of Statistics. — 1979. — Vol. 7, no. 1. — P. 1—26. — ISSN 0090-5364. — doi:10.1214/aos/1176344552.

СсылкиПравить

• Bootstrap tutorial from ICASSP 99  (недоступная ссылка с 13-05-2013 [3596 дней] — история): Tutorial from a signal processing perspective
• Bootstrap sampling tutorial using MS Excel
• Animations for bootstrapping i.i.d data  (недоступная ссылка с 13-05-2013 [3596 дней] — история) by Yihui Xie using the R
• Bootstrapping tutorial