William Q. Meeker, PhD, angesehener Professor für Statistik, Iowa State University
Chris Gotwalt, PhD, JMP-Direktor für statistische Forschung und Entwicklung, SAS
Diese Präsentation wurde zum Best Invited Paper gewählt.
Seit mehreren Jahrzehnten ist der auf Resampling basierende Bootstrap eine weit verbreitete Methode zur Berechnung vertrauenswürdiger Konfidenzintervalle für Anwendungen, bei denen keine genaue Methode verfügbar ist und wenn die Stichprobenumfänge nicht groß genug sind, um sich auf einfach zu berechnende große verlassen zu können - Näherungsverfahren für Stichproben, z. B. Konfidenzintervalle nach Wald (Normalnäherung). Es gibt jedoch viele Anwendungen, bei denen das Resampling-Bootstrap-Verfahren nicht verwendet werden kann. Dazu gehören Situationen, in denen die Daten stark zensiert sind, logistische Regression, wenn die „Erfolgs“-Antwort ein seltenes Ereignis ist oder in denen es eine begrenzte Mischung von Erfolgen und Misserfolgen über die erklärenden Variablen gibt, und entworfene Experimente, in denen die Anzahl der Parameter nahe beieinander liegt zur Zahl der Beobachtungen. Diese drei Situationen haben gemeinsam, dass es möglicherweise einen erheblichen Teil der Neuabtastungen gibt, bei denen es nicht möglich ist, alle Parameter im Modell zu schätzen. Dieser Vortrag zeigt, wie die Bootstrap-Methode mit fraktionaler Zufallsgewichtung, die in JMP Pro implementiert ist, diese Probleme vermeiden und vertrauenswürdige Konfidenzintervalle liefern kann.
