부트 스트랩 CI (및 Barticular의 BCa)가 정규 분포 데이터에서 어떻게 수행되는지 궁금합니다. 다양한 유형의 분포에서 성능을 검사하는 작업이 많지만 정규 분포 데이터에서 아무것도 찾을 수 없습니다. 먼저 공부해야 할 것이 분명해 보이므로 논문이 너무 오래되었다고 생각합니다.
R 부트 패키지를 사용하여 Monte Carlo 시뮬레이션을 수행하고 부트 스트랩 CI가 정확한 CI와 일치하는 것을 발견했지만 작은 샘플 (N <20)의 경우 약간 자유 롭습니다 (더 작은 CI). 충분히 큰 샘플의 경우 본질적으로 동일합니다.
이것은 항상 부트 스트랩을 사용 하지 않는 좋은 이유가 있는지 궁금합니다 . 분포가 정상인지 여부를 평가하기가 어렵고 그 뒤에 많은 함정이 있기 때문에 분포에 관계없이 부트 스트랩 CI를 결정하고보고하지 않는 것이 합리적입니다. 비모수 적 테스트는 전력이 적기 때문에 체계적으로 사용하지 않는 동기를 이해하지만 시뮬레이션 결과에 따르면 부트 스트랩 CI의 경우에는 해당되지 않습니다. 그들은 더 작습니다.
나를 괴롭히는 비슷한 질문은 항상 중앙값을 중심 경향의 척도로 사용하지 않는 이유입니다. 사람들은 종종 정규 분포가 아닌 데이터를 특성화하기 위해이 데이터를 사용하는 것이 좋지만, 중앙값이 정규 분포 데이터의 평균과 같기 때문에 왜 구별해야합니까? 분포가 정상인지 아닌지를 결정하기위한 절차를 제거 할 수 있다면 상당히 유익 해 보일 것입니다.
이러한 문제에 대한 귀하의 생각과 이전에 논의 된 적이 있는지 궁금합니다. 참고 문헌을 높이 평가할 것입니다.
감사!
피에르