bootstrap 檢驗是一種非參數檢驗方法，通過重復抽樣和計算統計量來評估樣本統計量差異的統計學意義。其步驟包括：1. 重復抽樣；2. 計算每個樣本的統計量；3. 創建統計量的抽樣分布；4. 計算原始統計量的 p 值；5. 根據 p 值得出結論。
Bootstrap 檢驗
什么是 Bootstrap 檢驗？
Bootstrap 檢驗是一種非參數檢驗方法，用于評估樣本統計量的差異是否具有統計學意義。它通過在原始數據集中重復抽樣并計算每一次抽樣的統計量來估計統計量的抽樣分布。
Bootstrap 檢驗的步驟
從原始數據集中重復抽樣：通過有放回抽樣的方法從原始數據集中隨機抽取多個樣本。
計算每個樣本的統計量：對于每一個抽取的樣本，計算感興趣的統計量，如均值、中位數或差異。
創建統計量的抽樣分布：收集所有重復抽樣計算出的統計量，并創建它們的分布直方圖。
計算原始統計量的 p 值：將原始數據集中計算出的統計量與抽樣分布進行比較。p 值是原始統計量落在抽樣分布中極端的概率。
得出結論：如果 p 值小于預先設定的顯著性水平（通常為 0.05），則拒絕零假設，即樣本統計量的差異具有統計學意義。
Bootstrap 檢驗的優點
無需對數據分布做出假設
對于小樣本數據更可靠
可以用于評估多種統計量
Bootstrap 檢驗的缺點
可能計算密集，尤其是對于大型數據集
對于高度偏斜或具有異常值的數據可能不太準確
不能用于評估參數，如方差或標準差
