Bootstrap vs jackknife

Baik metode bootstrap dan jackknife dapat digunakan untuk memperkirakan bias dan kesalahan standar estimasi dan mekanisme kedua metode resampling tidak jauh berbeda: pengambilan sampel dengan penggantian vs tinggalkan satu pengamatan pada satu waktu. Namun, jackknife tidak sepopuler bootstrap dalam penelitian dan praktik.

Apakah ada keuntungan jelas menggunakan bootstrap daripada menggunakan jackknife?

r confidence-interval bootstrap jackknife

— Tu.2
sumber

Sama seperti masalah sejarah, saya belajar tentang pisau lipat pada awal 1970-an, ketika statistik sebagian besar masih dilakukan pada pad kuning. (Waktu komputer terlalu mahal!) Jika ingatanku, itu dipromosikan oleh John Tukey.

— Dan Buskirk

Bootstrapping adalah teknik yang unggul dan dapat digunakan cukup banyak di mana pun jackknifing telah digunakan. Jackknifing jauh lebih tua (mungkin ~ 20 tahun); itu keuntungan utama pada hari-hari ketika daya komputasi terbatas, adalah bahwa komputasi jauh lebih sederhana. Namun, bootstrap memberikan informasi tentang distribusi pengambilan sampel secara keseluruhan, dan dapat menawarkan presisi yang lebih besar. Jackknife masih berguna dalam deteksi outlier, misalnya dalam menghitung dfbeta (perubahan dalam estimasi parameter ketika titik data dijatuhkan).

— gung - Reinstate Monica
sumber

a

$a$

@ung, bisakah Anda memberikan detail atau referensi lebih lanjut untuk klaim Anda bahwa bootstrap memberikan informasi tentang seluruh distribusi sampel (jackknife tidak?) dan lebih tepat?

— Mloning