uudelleennäytteistysmenetelmistä

Uudelleennäytteistysmenetelmät ovat joukko tilastollisia tekniikoita, joissa käytetään satunnaisotantaa alkuperäisestä aineistosta uusien otosten luomiseen. Nämä menetelmät mahdollistavat aineiston ominaisuuksien arvioimisen ja tilastollisen päättelyn tekemisen ilman, että oletetaan tiettyä jakaumaa datalle. Keskeinen idea on käyttää saatavilla olevaa dataa "populaationa", josta otetaan useita satunnaisia otoksia simuloidakseen eri tuloksia.

Yleisimpiä uudelleennäytteistysmenetelmiä ovat bootstrap-menetelmä ja permutaatiotestit. Bootstrap-menetelmässä alkuperäisestä aineistosta otetaan satunnaisesti otoksia takaisinpanolla. Tämä tarkoittaa, että sama havainto voi esiintyä uudessa otoksessa useita kertoja. Näiden bootstrap-otosten avulla voidaan arvioida estimaattien jakaumaa, laskea luottamusvälejä ja testata hypoteeseja.

Permutaatiotestit puolestaan perustuvat satunnaisiin uudelleenjärjestelyihin. Kun tutkitaan kahden ryhmän välistä eroa, havainnot voidaan satunnaisesti jakaa uudelleen näihin kahteen ryhmään useita kertoja. Näin muodostettujen satunnaisten aineistojen perusteella arvioidaan, onko alkuperäisessä aineistossa havaittu ero tilastollisesti merkittävä vai todennäköisesti sattumaa. Uudelleennäytteistysmenetelmät ovat joustavia ja soveltuvat monenlaisiin tilanteisiin, erityisesti kun aineiston jakaumasta ei ole tietoa tai se on monimutkainen. Ne ovat laskennallisesti intensiivisiä, mutta nykyaikaiset tietokoneet tekevät niiden käytöstä helposti toteutettavaa.