Bootstrap 检验是一种非参数检验方法，通过重复抽样和计算统计量来评估样本统计量差异的统计学意义。其步骤包括：1. 重复抽样；2. 计算每个样本的统计量；3. 创建统计量的抽样分布；4. 计算原始统计量的 p 值；5. 根据 p 值得出结论。
Bootstrap 检验
什么是 Bootstrap 检验？
Bootstrap 检验是一种非参数检验方法，用于评估样本统计量的差异是否具有统计学意义。它通过在原始数据集中重复抽样并计算每一次抽样的统计量来估计统计量的抽样分布。
Bootstrap 检验的步骤
- 从原始数据集中重复抽样：通过有放回抽样的方法从原始数据集中随机抽取多个样本。
- 计算每个样本的统计量：对于每一个抽取的样本，计算感兴趣的统计量，如均值、中位数或差异。
- 创建统计量的抽样分布：收集所有重复抽样计算出的统计量，并创建它们的分布直方图。
- 计算原始统计量的 p 值：将原始数据集中计算出的统计量与抽样分布进行比较。p 值是原始统计量落在抽样分布中极端的概率。
- 得出结论：如果 p 值小于预先设定的显著性水平（通常为 0.05），则拒绝零假设，即样本统计量的差异具有统计学意义。
Bootstrap 检验的优点
- 无需对数据分布做出假设
- 对于小样本数据更可靠
- 可以用于评估多种统计量
Bootstrap 检验的缺点
- 可能计算密集，尤其是对于大型数据集
- 对于高度偏斜或具有异常值的数据可能不太准确
- 不能用于评估参数，如方差或标准差
