저는 현재 파라 메트릭 부트 스트랩에 관한 몇 가지 문제를 해결하려고 노력하고 있습니다. 대부분 사소한 것이지만 여전히 무언가를 놓친 것 같습니다.
파라 메트릭 부트 스트랩 절차를 사용하여 데이터에 대한 신뢰 구간을 얻고 싶다고 가정합니다.
저는이 샘플을 가지고 있으며 정규 분포를 가정합니다. 그런 다음 분산 및 평균 \ hat {m}을 추정하고 분포 추정 \ hat {P}을 얻습니다 . 이는 분명히 N (\ hat {m}, \ hat {v}) 입니다. m P N( m , V )
해당 분포에서 샘플링하는 대신 분석적으로 Quantile을 계산하여 수행 할 수 있습니다.
a) 결론 :이 사소한 경우에, 파라 메트릭 부트 스트랩은 정규 분포 가정에서 계산하는 것과 동일합니까?
이론적으로 이것은 계산을 처리 할 수있는 한 모든 파라 메트릭 부트 스트랩 모델의 경우입니다.
b) 결론 : 특정 분포의 가정을 사용하면 비모수 적 부트 스트랩에 대해 모수 적 부트 스트랩에서 정확도가 더 높아질 것입니다 (물론 올바른 경우). 그러나 그 외에는 분석 계산을 처리 할 수없고 그 길을 모방하려고 시도하기 때문에 그렇게합니다.
c) 계산이 "보통"근사치를 사용하여 수행되는 경우에도 사용합니다. 왜냐하면 이것이 더 정확할 것입니다 ...?
나에게 (비모수 적) 부트 스트랩의 이점은 내가 어떤 배포를 할 필요가 없다는 사실에있는 것처럼 보였다. 파라 메트릭 부트 스트랩의 경우 그 이점이 사라 졌거나 내가 놓친 것이 있습니까? 그리고 파라 메트릭 부트 스트랩이 위에서 언급 한 것보다 이점을 제공하는 곳이 있습니까?