resamplingissa

Resamplingissa tarkoitetaan tilastollista menetelmää, jossa olemassa olevaa havaintoaineistoa käytetään uudelleen inferenssin tai mallien arvioinnin tukena. Menetelmän yleinen idea on tuottaa lisädataa tai arvioita toistamalla näytteitä aineistosta siten, ettei uutta dataa kerätä erikseen. Tämä mahdollistaa epäparamen erilaisten ominaisuuksien, kuten virheiden tai konfidenssialueiden, arvioinnin ilman vahvoja jakaumaoletuksia.

Yksi tunnetuimmista resamplingin muodoista on bootstrap, jossa otokset otetaan palautuksella. Bootstrapin avulla voidaan arvioida tilastollisia virheitä, tehdä konfidenssialueita ja tarkastella estimointiparametrien robustisuutta. Jackknife (jättö-yhteen) poimii kaikki otokset siten, että jokaista havaintoa jätetään pois vuorotellen, ja käyttää näitä pienempiä otoksia virheen estimointiin. Yleisiä resamplingin menetelmiä ovat myös ristiinvalidaatio (cross-validation), jota käytetään mallin yleisyyden arviointiin, sekä permutation- tai randomisaatios testit, joissa arvojen järjestystä muunnellaan hypoteesin testaamiseksi.

Riippuvuus ja ajallinen rakentea koskevat erityisharjoitukset, kuten block bootstrap, joiden tarkoituksena on säilyttää peräkkäisyyden tai muun riippuvuuden piirteet. Resampling on joustavaa ja ei vaadi vahvoja parametrisaisia oletuksia, mutta sen sovittaminen riippuu aineiston ominaisuuksista ja käyttötarkoituksesta. Käytännössä resamplingiä sovelletaan muun muassa virheiden arviointiin, mallien vertailuun sekä hypoteesitestien toteuttamiseen, usein ohjelmistotyökaluin kuten R tai Pythonin scikit-learn. Rajoituksina ovat laskennallinen kustannus ja mahdolliset harhat pienissä aineistoissa tai riippuvaisessa datassa.