Şu anda parametrik bootstrap ile ilgili bazı şeyleri kafamda tutmaya çalışıyorum. Çoğu şey muhtemelen önemsiz ama yine de bir şeyleri özlemiş olabileceğimi düşünüyorum.
Parametrik bir önyükleme yordamı kullanarak veriler için güven aralıkları almak istediğimi varsayalım.
Bu örnek var ve normal dağılmış olduğunu varsayalım. Daha sonra varyans ve ortalama tahmin edeceğim ve dağıtım tahminimi alacağım , ki bu sadece .
Bu dağılımdan numune almak yerine, sadece analitik olarak kantilleri hesaplayabilir ve yapılabilirim.
a) Sonuç olarak: Bu önemsiz durumda, parametrik bootstrap, normal dağılım varsayımındaki şeyleri hesaplamakla aynı olur mu?
Teorik olarak, tüm parametrik bootstrap modelleri için, hesaplamalarla başa çıkabildiğim sürece böyle olur.
b) Sonuç olarak: belli bir dağılım varsayımını kullanmak parametrik önyüklemede parametrik olmayan olana göre ekstra doğruluk getirecektir (elbette doğruysa). Ama bunun dışında, bunu yapıyorum çünkü analitik hesaplamaları yapamıyorum ve çıkışımı simüle etmeye çalışıyorum?
c) Hesaplamalar bazı yaklaşımlarla "genellikle" yapıldıysa da kullanırım çünkü bu bana daha fazla doğruluk verirdi ...?
Bana göre, (parametrik olmayan) bootstrap'ın yararı, herhangi bir dağıtım varsaymam gerekmediği gerçeğinde yatıyordu. Parametrik bootstrap için bu avantaj gitti - ya da kaçırdığım şeyler var mı ve parametrik bootstrap yukarıda belirtilenlere göre bir avantaj sağlıyor mu?