Bootstrap
Bootstrapping
Tanım
Mevcut veri setinin kendi içinden yinelemeli örneklemler çekilerek parametre tahminlerinin yapıldığı, dışsal varsayımlara en aza bağımlı istatistiksel yeniden örnekleme yöntemi veya bilişsel gelişim mekanizması.
Örnek Vaka / Uygulama
100 kişilik küçük ve çarpık (skewed) dağılım gösteren bir hasta grubunda tedavi etkinliğini ölçtüğünüzü varsayalım. Normal dağılım varsayımı ihlal edildiği için klasik t-testi güvenilir değildir. Bu durumda bootstrapping algoritması çalıştırılarak veriden rastgele 10.000 yeni örneklem türetilir, her birinin ortalaması alınır ve elde edilen ampirik dağılım üzerinden %95'lik güven aralığı hesaplanarak sonuca varılır.
Derin Analiz
İstatistiksel bağlamda bootstrapping, parametrik testlerin gerektirdiği normallik veya homoskedasite gibi katı varsayımların karşılanamadığı durumlarda, eldeki sınırlı veriyi ana kütle gibi kabul ederek binlerce alt örneklem (resample) üretme esasına dayanır. Monte Carlo simülasyonlarına benzer şekilde, orijinal veriden geri koyarak (with replacement) yapılan bu çekimler sayesinde standart hata, güven aralıkları ve önyargı (bias) tahminleri ampirik olarak hesaplanır. Bilişsel bilimler ve dil edinimi bağlamında ise (örneğin sentaktik bootstrapping), zihnin çok kısıtlı çevresel girdilerden (primary linguistic data) yola çıkarak giderek karmaşıklaşan kural sistemleri ve dil bilgisi yapıları türetme kapasitesini ifade eder.
Etimoloji
İngilizce 'pull oneself up by one's bootstraps' (çizmelerinin bağcıklarından çekerek yerden yukarı kalkmak, yani dışarıdan hiçbir yardım almadan kendi çabasıyla başarmak) deyiminden türetilmiştir; kökeni 19. yüzyılın sonlarına dayanır.
Karıştırmayın
Jackknife yöntemi ile sıklıkla karıştırılır; ancak Jackknife, her seferinde veriden tek bir gözlem çıkararak hesaplama yaparken, bootstrapping geri koyarak (with replacement) orijinal veri setiyle aynı boyutta binlerce yeni veri seti üretir.