Interprétation des résultats principaux pour la fonction Bootstrap pour un test de fonction à 1 échantillon

Suivez la procédure ci-dessous pour interpréter une analyse bootstrap de fonction à 1 échantillon. Les principaux résultats incluent l'histogramme, l'estimation du paramètre et l'intervalle de confiance.

Etape 1 : Examiner la forme de votre distribution bootstrap

Utilisez l'histogramme pour examiner la forme de votre distribution bootstrap. La distribution bootstrap correspond à la distribution de la statistique choisie à partir de chaque nouvel échantillon. La distribution bootstrap doit sembler normale. Si la distribution bootstrap est non normale, vous ne pouvez pas vous fier aux résultats bootstrap.
50 rééchantillonnages
1 000 rééchantillonnages

La loi de distribution est généralement plus facile à déterminer avec davantage de rééchantillonnages. Par exemple, dans ces données, la loi de distribution est ambiguë pour 50 rééchantillonnages. Avec 1 000 rééchantillonnages, la forme est approximativement normale.

Sur cet histogramme, la distribution bootstrap semble anormale. L'échantillon d'origine ne contient que 16 points de données. Pour obtenir un intervalle de confiance fiable, vous devez collecter un échantillon plus important et effectuer à nouveau l'analyse.

Etape 2 : Déterminer un intervalle de confiance pour le paramètre de la population

Considérez d'abord la statistique issue de l'échantillon bootstrap, puis examinez l'intervalle de confiance.

La statistique de l'échantillon bootstrap est une estimation du paramètre de la population. La statistique étant calculée à partir des données d'échantillon et non de l'ensemble de la population, il est peu probable que la statistique de l'échantillon soit égale au paramètre de la population. Pour mieux estimer le paramètre de population, utilisez l'intervalle de confiance.

Les intervalles de confiance pour l'écart type sont fondés sur la distribution d'échantillonnage d'une statistique. Si une statistique ne dispose pas d'un biais sous forme d'estimateur d'un paramètre, sa distribution d'échantillonnage est centrée sur la valeur réelle du paramètre. Une distribution bootstrap se rapproche de la distribution d'échantillonnage de la statistique. 95 % des valeurs du milieu de la distribution bootstrap fournissent donc un intervalle de confiance à 95 % pour le paramètre. L'intervalle de confiance vous aide à évaluer la signification pratique de votre estimation pour le paramètre de population. Utilisez vos connaissances spécialisées pour déterminer si l'intervalle de confiance comporte des valeurs ayant une signification pratique pour votre situation.

Remarque

Minitab ne calcule pas l'intervalle de confiance lorsque le nombre de rééchantillonnages est trop petit pour obtenir un intervalle de confiance précis.

Technique de bootstrap pour une moyenne à 1 échantillon : Temps

Histogramme bootstrap pour Temps

Echantillon observé Variable N Moyenne EcTyp Variance Somme Minimum Médiane Maximum Temps 16 11,331 3,115 9,702 181,300 7,700 10,050 16,000
Echantillons bootstrap pour la moyenne Nombre de rééchantillonnages Moyenne EcTyp IC à 95% pour μ 1000 11,3095 0,7625 (9,8562; 12,8562)
Résultats principaux : moyenne, intervalle de confiance à 95 %

Dans ces résultats, l'estimation de la moyenne de la population est d'environ 11,3. Vous pouvez être sûr à 95 % que la moyenne de la population se trouve environ entre 9,9 et 12,9.

    En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique