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 besten eingeladenen Beitrag gewählt.
Seit Jahrzehnten ist das auf Resampling basierende Bootstrap-Verfahren eine weit verbreitete Methode zur Berechnung zuverlässiger Konfidenzintervalle für Anwendungen, bei denen keine exakte Methode verfügbar ist und die Stichprobengröße nicht ausreicht, um auf einfach zu berechnende Näherungsverfahren für große Stichproben wie Wald-Konfidenzintervalle (Normalapproximation) zurückgreifen zu können. Es gibt jedoch viele Anwendungen, bei denen das Resampling-Bootstrap-Verfahren nicht eingesetzt werden kann. Dazu gehören Situationen mit stark zensierten Daten, die logistische Regression, bei der die Erfolgsantwort selten auftritt oder die Mischung von Erfolgen und Misserfolgen über die erklärenden Variablen hinweg begrenzt ist, sowie geplante Experimente, bei denen die Anzahl der Parameter nahe an der Anzahl der Beobachtungen liegt. Gemeinsam ist diesen drei Situationen, dass bei einem erheblichen Anteil der Resamplings nicht alle Parameter im Modell geschätzt werden können. Dieser Vortrag zeigt, wie das in JMP Pro implementierte Fractional Random Weight Bootstrap-Verfahren diese Probleme vermeiden und zuverlässige Konfidenzintervalle liefern kann.
