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).

Этимология

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 пример

Пусть имеется два наблюдения:

$(x_{1},y_{1})=(1,1),\ (x_{2},y_{2})=(2,3)$

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

$y_{i}=\theta x_{i}+\epsilon _{i}$

Оценка параметра, полученная методом наименьших квадратов, будет равна

${\hat {\theta }}={\frac {x_{1}y_{1}+x_{2}y_{2}}{x_{1}^{2}+x_{2}^{2}}}={\frac {1\times 1+2\times 3}{1^{2}+2^{2}}}={\frac {7}{5}}$

Эмпирическая функция распределения при этом равна

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

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

$(x_{1},y_{1})',(x_{2},y_{2})'={\begin{cases}(1,1)',(1,1)',\quad p=1/4\\(1,1)',(2,3)',\quad p=1/4\\(2,3)',(1,1)',\quad p=1/4\\(2,3)',(2,3)',\quad p=1/4\\\end{cases}}$

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

${\hat {\theta }}_{2}^{*}={\begin{cases}1,\quad \quad p=1/4\\7/5,\quad p=1/2\\3/2,\quad p=1/4\\\end{cases}}$

Применение

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

Бутстрэповский доверительный интервал: алгоритм

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

Псевдостатистики ${\hat {\theta }}_{1}^{*},{\hat {\theta }}_{2}^{*},\dots ,{\hat {\theta }}_{B}^{*}$ сортируются от меньшей к большей. Квантилями $q_{\alpha _{1}}^{*},q_{1-\alpha _{2}}^{*}$ принимаются значения ${\hat {\theta }}_{[B\alpha _{1}]}^{*},{\hat {\theta }}_{[B(1-\alpha _{2})+1]}^{*}$. С их помощью строится доверительный интервал.

Литература

• 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.

Ссылки

• Bootstrap tutorial from ICASSP 99  (недоступная ссылка с 13-05-2013 [3998 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 [3998 дней] — история) by Yihui Xie using the R
• Bootstrapping tutorial