双样本均值引导 的自举样本统计量和图形

直方图将样本值分成多个区间并使用条形表示每个区间中的数据值频率。

解释

使用直方图可以检查自举分布的形状。自举分布是每个重新采样样本的均值分布。自举分布看上去应当为正态分布。如果自举分布不是正态分布，您将无法信任结果。

50 个重新采样的样本

1000 个重新采样的样本

单值图显示样本中的单个值。每个圆形表示一个观测值。当您具有的观测值相对较少，以及需要评估每个观测值的效应时，单值图尤其有用。

解释

对于大样本数量，自举样本通常将与原始样本具有相似的中心和散布。但是，小样本数量可能会导致与原始样本不相似的自举样本。如果自举样本看上去不像原始样本，您应当考虑增加样本数量。

样本数量 8

样本数量 50

重复样本数是指 Minitab 从原始数据集中进行替换性随机抽样的次数。通常，重复样本数较大时，效果最佳。每个重复样本的样本数量等于原始数据集的样本数量。重复样本数等于直方图上的观测值数。

平均值是自举样本中所有均值差值之和除以重新采样的样本数。

标准差是离差的最常用度量，即数据从均值展开的程度。符号 σ（西格玛）通常用于表示总体的标准差，而 s 用于表示样本的标准差。对某一过程而言随机或合乎自然规律的变异通常称为噪声。对某一过程而言随机或合乎自然规律的变异通常称为噪声。由于标准差与数据采用相同的单位，因此它通常比方差更易于解释。

自举样本的标准差（也称为自举标准误）是均值之差的抽样分布的标准差估计值。

置信区间基于统计量的抽样分布。如果统计量不将偏倚作为参数的估计量，则它的抽样分布以参数的真实值为中心。自举分布接近接近统计量的抽样分布。因此自举分布的中间 95% 值为该参数提供 95% 置信区间。置信区间有助于估计总体参数估计值的实际显著性。使用您的专业知识可以确定置信区间是否包括对您的情形有实际显著性的值。