Pertanyaan saya adalah teknik resampling mana yang mendapatkan
tes Bootstrapping atau permutasi yang lebih populer ?
Bootstrap sebagian besar tentang menghasilkan kesalahan standar sampel besar atau interval kepercayaan; tes permutasi seperti namanya sebagian besar tentang pengujian. (Namun masing-masing dapat disesuaikan untuk digunakan untuk tugas lain.)
Bagaimana kita menilai popularitas? Jika kita melihat bidang-bidang seperti psikologi dan pendidikan, kita dapat menemukan banyak penggunaan tes berbasis peringkat seperti Wilcoxon-Mann-Whitney, tes peringkat yang ditandatangani, tes korelasi-peringkat dan sebagainya. Ini semua adalah tes permutasi (di sisi lain ada banyak contoh di mana tes permutasi dari data asli dapat digunakan sebagai gantinya tetapi biasanya tidak). Di beberapa area aplikasi lain, tes permutasi jarang akan digunakan, tetapi popularitas yang bervariasi di seluruh area aplikasi kadang-kadang mengatakan lebih banyak tentang budaya lokal dari area mana saja daripada kegunaan.
lebih mudah diimplementasikan?
Dalam banyak kasus - terutama yang lebih sederhana - mereka hampir persis sama mudah - pada dasarnya perbedaan antara pengambilan sampel dengan penggantian dan pengambilan sampel tanpa penggantian.
Dalam beberapa kasus yang lebih kompleks, bootstrap lebih mudah dilakukan karena (melihatnya dari sudut pandang pengujian) ia beroperasi di bawah alternatif daripada nol (setidaknya implementasi naif akan - melakukannya sehingga bekerja dengan baik mungkin jauh lebih rumit).
Tes permutasi yang tepat dapat menjadi sulit dalam kasus yang lebih kompleks karena kuantitas yang dapat ditukar yang tepat mungkin tidak dapat diobservasi - seringkali kuantitas yang hampir dapat ditukar dapat diganti dengan harga ketepatan (dan menjadi benar-benar bebas-distribusi).
Bootstrapping pada dasarnya menyerah pada kriteria ketepatan yang sesuai (cakupan tepat interval) sejak awal, dan sebaliknya berfokus pada upaya untuk mendapatkan cakupan yang cukup baik dalam sampel besar (kadang-kadang dengan keberhasilan yang kurang dari yang dapat dipahami; jika Anda belum memeriksa, jangan anggap bootstrap Anda memberikan cakupan yang Anda harapkan).
Tes permutasi dapat bekerja pada sampel kecil (meskipun pilihan tingkat signifikansi yang terbatas kadang-kadang bisa menjadi masalah dengan sampel yang sangat kecil), sedangkan bootstrap adalah teknik sampel besar (jika Anda menggunakannya dengan sampel kecil, dalam banyak kasus hasilnya mungkin tidak sangat bermanfaat).
Saya jarang melihat mereka sebagai pesaing pada masalah yang sama, dan telah menggunakannya pada masalah nyata (berbeda) - seringkali akan ada pilihan alami untuk melihatnya.
Ada manfaat untuk keduanya, tetapi tidak ada dalam panacaea. Jika Anda berharap untuk mengurangi upaya belajar dengan hanya berfokus pada salah satu dari mereka, Anda kemungkinan akan kecewa - keduanya adalah bagian penting dari kotak peralatan resampling.