1-표본 함수에 대한 부트스트래핑에 대한 데이터 고려사항

유효한 결과를 얻으려면 데이터를 수집하고 분석을 수행하거나 결과를 해석할 때 다음 지침을 따르십시오.

평균, 중위수, 합, 분산, 표준 편차를 분석하려면 데이터가 숫자여야 합니다.
계량형 데이터(예: 포장의 무게) 또는 이산형 데이터(예: 고객 불만 수)가 있어야 합니다. 이항 데이터(예: 예/아니오 또는 합격/불합격)가 있는 경우 비율을 분석합니다.
비율을 분석할 때 데이터에 두 개의 범주만 포함할 수 있습니다(예: 통과/실패, 1/0).
계량형 또는 이산형 데이터(예: 길이, 무게 또는 고객 불평 수)가 있는 경우 계량형 또는 이산형 데이터(예: 평균)에 대한 함수를 선택합니다.
표본 데이터는 랜덤하게 선택해야 합니다.
통계에서 랜덤 표본은 모집단에 대한 일반화 또는 추론을 작성하기 위해 사용됩니다. 데이터가 랜덤하게 수집되지 않은 경우에는 결과가 모집단을 나타내지 않을 수 있습니다. 자세한 내용을 확인하려면 데이터 표본의 랜덤성으로 이동하십시오.
각 관측치가 다른 모든 관측치로부터 독립적이어야 함
관측치가 독립적이려면 특정 관측 값이 이전 관측에 종속되지 않아야 합니다. 관측치가 독립적이 아니면 결과가 유효하지 않을 수도 있습니다. 자세한 내용을 확인하려면 종속 및 독립 표본의 차이로 이동하십시오.
표본 크기는 작아야 합니다.
표본 크기가 작은 경우 표본 재추출 결과를 신뢰할 수 없을 수도 있습니다. 유효한 결과를 얻으려면 중간 규모에서 대규모의 데이터 표본을 수집해야 합니다. 적절한 표본 크기는 데이터 특성에 따라 다릅니다. 표본 크기가 충분히 큰지 여부를 판단하려면 히스토그램을 사용하십시오.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오