Karena statistik bootstrap adalah satu abstraksi lebih jauh dari parameter populasi Anda. Anda memiliki parameter populasi Anda, statistik sampel Anda, dan hanya pada lapisan ketiga Anda memiliki bootstrap. Nilai rata-rata bootstrap bukan penaksir yang lebih baik untuk parameter populasi Anda. Itu hanyalah perkiraan.
Seperti , distribusi bootstrap yang berisi semua kemungkinan kombinasi bootstrap di sekitar statistik sampel sangat mirip dengan pusat statistik sampel di sekitar parameter populasi dalam kondisi yang sama. Makalah ini di sini merangkum hal-hal ini cukup baik dan itu salah satu yang paling mudah saya bisa menemukan. Untuk bukti lebih rinci ikuti makalah yang mereka rujuk. Contoh penting adalah Efron (1979) dan Singh (1981)n → ∞
Distribusi bootstrap dari mengikuti distribusi yang membuatnya berguna dalam estimasi kesalahan standar dari estimasi sampel, dalam konstruksi interval kepercayaan, dan dalam estimasi bias parameter. Itu tidak menjadikannya penaksir yang lebih baik untuk parameter populasi. Ini hanya menawarkan alternatif yang kadang-kadang lebih baik daripada distribusi parametrik biasa untuk distribusi statistik.θB- θ^θ^- θ
Perlu dicatat bahwa perbedaan antara rata-rata sampel yang di-bootstrap dan taksiran sampel kadang-kadang dapat digunakan sebagai perkiraan bias dalam memperkirakan parameter sebenarnya .θB θ^ θ^ θ
sumber