Bootstrapping是一種流行的重採樣方法，用於估計統計量的採樣分佈。雖然重新採樣方法背後的理論可以追溯到RA Fisher爵士，但自流式重採樣最早是由Bradley Efron在20世紀70年代提出的。引導涉及從數據集中重複採樣，並進行替換，以形成相同大小的新數據集。這近似於從目標群體中取重複樣本的過程。最終結果是大量（數百或數千）自舉樣本，然後可用於估計幾乎任何選定統計量的標準誤差和置信區間。
Bootstrapping是一種非參數方法，不需要分佈式假設或理論計算，即使是最複雜的估算也可以使用。因此，您可以使用它來估計各種人口參數的置信區間。出於同樣的原因，自舉在統計教育中也越來越受歡迎，作為一種直觀且更直接的方法來教授推理概念。
在JMP Pro中，幾乎所有報告都提供了引導。兩個例外是時間序列和使用受限最大似然（REML）的分析。
在JMP Pro中引導
1。在分析平台報告窗口中，右鍵單擊感興趣的報告，然後選擇Bootstrap。在此示例中，我使用分發平台並在摘要統計報告中引導統計信息以獲取連續變量。
2。在Bootstrapping窗口中，單擊“確定”。JMP創建一個數據表（下面），其中包含第一行（不包括）中原始樣本和每個引導樣本的統計信息。BootID•列標識引導程序樣本編號。
3。使用分發平台探索引導樣本感興趣的統計信息。提供了不同置信水平的Bootstrap百分位置信區間。
注意：JMP Pro中的分區和神經平台中提供了高級引導方法。有關JMP Pro中引導的更多詳細信息，包括Bootstrapping窗口中的選項信息（上圖），請搜索引導程序。 JMP幫助或者在書中基本分析 （在“幫助”>“書籍”下）。
在學習庫中查看更多內容
Bootstrapping是其中涉及的眾多主題之一 JMP學習庫 。要下載或查看單頁指南，教程，短視頻和其他資源，請訪問 jmp.com/learn 。
