나는 통계에 상당히 익숙하지 않다. 부트 스트랩 개념은 혼란 스러웠습니다.
나는 t- 테스트와 같은 특정 테스트를 사용하려면 샘플링 분포의 정규성이 필요하다는 것을 알고 있습니다. SPSS에서 t-tests에서 "bootstrapping"을 요청하여 데이터가 정상적으로 분포되지 않은 경우 비정규 성 문제를 피할 수 있습니까? 그렇다면 부트 스트랩 된 샘플링 분포를 기반으로 출력에보고되는 t- 통계량입니까?
또한 비정규 데이터가있는 경우 Mann-Whitney 또는 Kruskal-Wallis와 같은 비모수 적 테스트를 사용하는 것보다이 테스트가 더 나은 테스트입니까? 데이터가 정상적이지 않고 부트 스트랩을 사용하는 상황에서 t- 통계를보고하지 않을 것입니다.
답변:
부트 스트랩은 정규성과 같은 가정 없이도 작동하지만 표본 크기가 작고 모집단이 정상이 아닌 경우 변수가 매우 다양 할 수 있습니다. 따라서 가정의 의미에서 더 나을 수 있지만 모든면에서 더 나을 것은 아닙니다.
교체가있는 부트 스트랩 샘플, 교체가없는 순열 테스트 샘플. Mann-Whitney 및 기타 비모수 적 테스트는 실제로 순열 테스트의 특수한 경우입니다. 의미있는 검정 통계량을 지정할 수 있기 때문에 실제로 순열 검정을 선호합니다.
어떤 시험을 사용할 것인지에 대한 결정은 답을 얻는 질문과 데이터로 이어지는 과학에 대한 지식을 바탕으로해야합니다. 중앙 한계 정리 (Central Limit Theorem)는 모집단이 정상이 아닌 경우에도 t- 검정을 통해 아주 좋은 근사치를 얻을 수 있다고 알려줍니다. 근사값이 얼마나 좋은지는 모집단 분포 (샘플 아님)의 모양과 표본 크기에 따라 다릅니다. t- 검정이 더 작은 샘플에 여전히 합리적인 경우가 많으며 (일부 경우 매우 큰 샘플에서는 충분하지 않은 경우) 있습니다.