Bootstrap contra navaja

Los métodos bootstrap y jackknife se pueden usar para estimar el sesgo y el error estándar de una estimación, y los mecanismos de ambos métodos de remuestreo no son muy diferentes: el muestreo con reemplazo frente a omitir una observación a la vez. Sin embargo, jackknife no es tan popular como bootstrap en investigación y práctica.

¿Hay alguna ventaja obvia de usar bootstrap en lugar de usar jackknife?

r confidence-interval bootstrap jackknife

— Tu.2
fuente

Solo como cuestión de historia, aprendí sobre la navaja a principios de la década de 1970, cuando las estadísticas todavía se realizaban en gran medida en una plataforma amarilla. (¡El tiempo de la computadora era demasiado costoso!) Si la memoria funciona, fue promovida por John Tukey.

— Dan Buskirk

Bootstrapping es una técnica superior y se puede utilizar prácticamente en cualquier lugar donde se haya utilizado el jackknifing. Jackknifing es mucho más viejo (quizás ~ 20 años); Su principal ventaja en los días en que la potencia informática era limitada, era que es computacionalmente mucho más simple. Sin embargo, el bootstrap proporciona información sobre toda la distribución de muestreo y puede ofrecer mayor precisión. La navaja aún es útil en la detección de valores atípicos, por ejemplo, en el cálculo de dfbeta (el cambio en la estimación de un parámetro cuando se cae un punto de datos).

— gung - Restablece a Monica
fuente

Pero quizás también vea la respuesta de @ Benjamin aquí ( stats.stackexchange.com/questions/96739/… ) como un caso en el que una navaja aún es útil. Los Jackknifes también se siguen utilizando (al parecer) para estimar al calcular los intervalos de confianza de BCa.

a

$a$

— russellpierce

@gung, ¿podría proporcionar más detalles o referencias para sus afirmaciones de que el bootstrap proporciona información sobre toda la distribución de muestreo (la navaja no lo hace) y que es más preciso?

— mloning