Modh Jackknife ann an Staitistig
’S e dòigh-obrach ath-shamplachaidh chudromach ann an staitistig a th’ anns an dòigh-obrach “jackknife”, gu h-àraidh airson mì-chinnt tuairmse a thomhas. Bithear tric a’ cleachdadh an “jackknife” gus claonadh agus caochlaideachd tuairmseadair a thomhas, a bharrachd air tomhasan mionaideach a thogail leithid a’ mhearachd àbhaisteach. Tha an dòigh-obrach seo caran sìmplidh, chan eil feum air barailean ro theann mu sgaoileadh, agus faodar a chur an sàs ann an raon farsaing de dhuilgheadasan, bho staitistig chlasaigeach gu mion-sgrùdadh dàta an latha an-diugh.
Cùl-fhiosrachadh agus bun-bheachdan
Chaidh an sgian-phòcaid a thoirt a-steach le Maurice Quenouille agus an dèidh sin rinn John Tukey e mòr-chòrdte. Tha an t-ainm "sgian-phòcaid" air a bhrosnachadh le sgian-phòcaid ioma-chruthach, leis gu bheil an dòigh sùbailte agus faodar a chleachdadh ann an grunn cho-theacsan. Is e seo am bun-bheachd: ma tha sampall againn de mheud n, cruthaichidh sinn grunn "shampallan meallta" le bhith a’ toirt air falbh aon amharc gach turas, agus an uairsin ath-àireamhachadh an tuairmseadair air gach sampall. Le bhith a’ coimhead mar a dh’atharraicheas an tuairmseadair nuair a thèid aon amharc a thoirt air falbh, gheibh sinn sealladh air seasmhachd an tuairmseadair thairis air atharrachadh anns an dàta.
Mar eisimpleir, can gu bheil dàta againn \(x_1, x_2, \dots, x_n\) agus gu bheil sinn airson paramadair \(\theta\) a mheasadh a’ cleachdadh an tuairmseadair \( \hat{\theta}=t(x_1, \dots,x_n)\). Ann an jackknife, bidh sinn a’ cruthachadh n fo-shampall de mheud \(n-1\), is e sin an \(i\)mh fo-shampall a sguabas às \(x_i\). An uairsin bidh sinn a’ tomhas:
\[
Tha _{\theta}_{(i)} = t(x_1,\dots,x_{i-1},x_{i+1},\dots,x_n)
\]
Canar an tuairmse fàg-aon-a-mach ris an luach \(\hat{\theta}_{(i)}\).
Ceumannan dòigh-obrach Jackknife
A thaobh modh-obrach, faodar mìneachadh a dhèanamh air jackknife anns na ceumannan a leanas:
1. Obraich a-mach an tuairmseadair air an dàta iomlan
Obraich a-mach \(\hat{\theta}\) thairis air an sampall gu lèir.
2. Cruthaich n fo-shampallan far nach eil aon ri fhaighinn
Airson gach \(i = 1,2,\dots,n\), thoir air falbh an amharc \(x_i\) agus obraich a-mach an tuairmseadair \(\hat{\theta}_{(i)}\).
3. Obraich a-mach cuibheasachd tuairmseadair an sgian-phìoba
Cuibheasachd de dh’fhàgas tu aon a-mach:
\[
∫bar{\theta}_{(\cdot)} = \frac{1}{n}\sum_{i=1}^n \hat{\theta}_{(i)}
\]
4. Measadh air an atharrachadh (no mearachd àbhaisteach)
Mar as trice, bidh an caochlaideachd jackknife air a thomhas le:
\[
\widehat{\mathrm{Var}}_{J}(\hat{\heta}) = \frac{n-1}{n}\sum_{i=1}^n \left(\hat{\heta}_{(i)} – \bar{\heta}_{(\cdot)}\right)^2
\]
Is e am mearachd àbhaisteach freumh ceàrnagach an atharrachaidh.
5. Measadh claonaidh agus ceartachadh claonaidh (roghainneil)
Faodaidh Jackknife claonadh a thomhas cuideachd tro:
\[
\widehat{\mathrm{Bias}}_{J}(\hat{\theta}) = (n-1)\left(\bar{\theta}_{(\cdot)} - \hat{\theta}\deas)
\]
Faodar ceartachadh claonadh a dhèanamh le:
\[
\hat{\theta}_{J} = \hat{\theta} – \widehat{\mathrm{Bias}}_{J}(\hat{\theta})
\]
Mìneachadh: ma tha an cuibheasachd "fhàg aon a-mach" eadar-dhealaichte bhon mheasadair slàn gu siostamach, tha comharradh ann gu bheil claonadh ann a ghabhas ceartachadh.
Eisimpleir intuitive: cuibheasachd sampall
Gus tuigse fhaiceallach a thoirt air an sgian-jack gu h-intuitive, smaoinich air an tuairmseadair cuibheasach sampall:
\[
\hat{\mu} = \frac{1}{n}\sum_{i=1}^n x_i
\]
Ma bheir sinn air falbh aon bhreathnachadh \(x_i\), bidh a’ chuibheasachd mar a leanas:
\[
\hat{\mu}_{(i)} = \frac{1}{n-1}\sum_{j\ne i} x_j
\]
A thaobh chuibheasachdan, chan eil an sgian-jack a’ toirt “iongnadh” mòr leis gu bheil a’ chuibheasachd seasmhach agus gu bheil am claonadh beag (ann am mòran cho-theacsan). Ach, airson tuairmsearan nas iom-fhillte - leithid am meadhan, co-èifeachd ath-tharraing sònraichte, co-dhàimh, no staitistig neo-loidhneach - faodaidh an t-atharrachadh a thig bho bhith a’ toirt air falbh aon phuing dàta cugallachd an tuairmsear fhoillseachadh agus tuairmse feumail a thoirt gu buil air a mhearachd àbhaisteach.
Luach-brèige: bun-bheachd chudromach ann an sgian-phìoba
Ann an cuid de dheasbadan, bidh jackknife a’ toirt a-steach luach meallta airson gach beachd:
\[
∫_theta_i^{ } = n∫_theta – (n-1)∫_{(i)}
\]
An uairsin faodar an tuairmseadair jackknife a sgrìobhadh mar chuibheasachd nan luachan meallta:
\[
Tha \hat{\theta}_{J} = \frac{1}{n}\sum_{i=1}^n \theta_i^{ }
\]
Bidh an dòigh-obrach luach-meallta a’ cuideachadh le bhith a’ mìneachadh mar a bhios gach beachd a’ “cur” ris an tuairmse dheireannach agus a’ comasachadh mion-sgrùdadh claonaidh.
An dàimh eadar jackknife agus bootstrap
Bithear tric a’ dèanamh coimeas eadar Jackknife agus bootstrap, leis gu bheil an dà dhòigh nan ath-shamplachadh. Ach, tha eadar-dhealachaidhean cudromach ann:
– Bidh Jackknife a’ cleachdadh fo-shamplachadh le bhith a’ toirt air falbh aon dàta (fàg aon a-mach). Tha an àireamh de dh’ath-aithrisean cinnteach: dìreach n.
– Ath-shamplachadh bootstrapping le ath-chur, mar as trice iomadh uair (m.e. 1000 no 10.000 uair), agus mar sin a’ toirt seachad tuairmse air an sgaoileadh empirigeach den mheasadair.
San fharsaingeachd, tha am bootstrap nas sùbailte agus gu tric nas cruinne airson duilgheadasan iom-fhillte, ach tha an sgian-làimhe nas sìmplidhe agus nas saoire a thaobh coimpiutaireachd. Air seataichean dàta mòra, faodaidh an sgian-làimhe a bhith na roghainn eile luath airson mearachdan àbhaisteach garbh fhaighinn, gu sònraichte nuair a tha coimpiutaireachd an tuairmseadair daor ach fhathast comasach n uair.
Buannachdan an dòigh-obrach jackknife
Seo cuid de na buannachdan a tha an lùib jackknife:
1. Simplidh agus furasta a chur an gnìomh
Tha a’ bhun-bheachd fàg-aon a-mach furasta a thuigsinn, agus tha am foirmle atharrachaidh sìmplidh.
2. Beagan barailean sgaoilidh
Chan eil feum an-còmhnaidh air gabhail ris gu bheil àbhaisteachd no cumadh cuairteachaidh sònraichte ann an jackknife.
3. Èifeachdach airson àireamhachadh sònraichte
Leis nach eil feum air ach n uair de dh’àireamhachadh tuairmseadair, tha jackknife gu tric nas aotroime na bootstrapping a dh’ fheumas mìltean de ath-aithris.
4. Feumail airson tuairmse claonaidh
Gu h-àraidh ann an tuairmsearan neo-loidhneach nach eil mar as trice furasta an obrachadh a-mach gu anailiseach.
Cuingealachaidhean agus rudan ri aire a thoirt dhaibh
Ged a tha e cumhachdach, tha crìochan aig an sgian-jack:
1. Nas lugha ceart airson luchd-meas glè neo-rèidh
Mar eisimpleir, am meadhan no na cuingealachaidhean ann an cuid de shuidheachaidhean, no staitistig a tha an urra ri luachan anabarrach, bidh an sgian-jack uaireannan a’ toirt seachad tuairmsean nach eil cho mionaideach air caochlaideachd.
2. Chan eil e an-còmhnaidh freagarrach airson dàta le eisimeileachdan
Ann an sreathan ùine no dàta fànais, chan eil beachdan neo-eisimeileach. Faodaidh toirt air falbh aon phuing structar an eisimeileachd a bhriseadh. Airson cùisean mar seo, thathas a’ cleachdadh caochlaidhean leithid block jackknife (a’ toirt air falbh aon bhloc dàta aig aon àm).
3. Mothachail air beachdan àrd-bhuaidh
Ma tha luachan neo-àbhaisteach no dàta “luamhanaichte” ann, faodaidh an tuairmse air fàg aon a-mach atharrachadh gu mòr. Chan e laigse a tha seo an-còmhnaidh—faodaidh e a bhith na chomharradh cudromach—ach faodaidh an caochlaideachd a thig às a sin a bhith mòr agus feumaidh e mìneachadh faiceallach.
4. Sgèileadh aig n glè mhòr
Ged a tha e nas saoire na bootstrapping, feumaidh measadh tuairmsearan n a bhith ann fhathast airson jackknife. Ma tha n anns na milleanan agus ma tha tuairmsearan daor, faodaidh seo a bhith duilich.
Caochlaidhean: sgian-jack le cuir às-d agus sgian-jack le bloc
A bharrachd air fàg aon a-mach, tha caochlaidhean ann:
– Sgian-jack sguabaidh às-d: a’ sguabadh às d beachdan gach ath-aithris (an àite dìreach 1). Faodaidh seo cruinneas a leasachadh ann an suidheachaidhean sònraichte, gu h-àraidh airson tuairmsearan neo-rèidh.
– Sgian-bhualaidh bloca: a’ toirt air falbh bloc anns a bheil grunn bhreithneachaidhean faisg air làimh, freagarrach airson dàta aig a bheil fèin-cho-dhàimh (m.e. dàta làitheil, seachdaineil no spàsail).
Tha an roghainn meud d no bloc an urra ri structar an dàta agus an amas co-dhùnaidh.
Cleachdadh jackknife ann an cleachdadh
Tha Jackknife air a chleachdadh ann an diofar raointean:
– Bith-staitistig agus epidemio-eòlas: a’ measadh mhearachdan àbhaisteach airson tomhasan cunnairt no paramadairean modail nuair a tha foirmlean anailis duilich.
– Eaconamaitearachd: measadh seasmhachd paramadair, gu h-àraidh ann an sampallan cuibhrichte.
– Saidheans coimpiutaireachd agus ionnsachadh innealan: tha bun-bheachd na fàg aon a-mach ceangailte gu dlùth ri dearbhadh-crois, ged a tha na h-amasan eadar-dhealaichte (dearbhadh ro-innse an aghaidh tuairmse cruinneas paramadair).
– Eag-eòlas agus sgrùdaidhean: measadh air iomadachd no clàran-amais sònraichte agus mì-chinnt staitistig iom-fhillte.
Penutup
’S e dòigh-obrach ath-shamplachaidh chlasaigeach a th’ anns an dòigh-sgian-jack a tha fhathast buntainneach an-diugh. Le bhith a’ cleachdadh beachd sìmplidh—a’ fàgail a-mach aon amharc agus ag ath-àireamhachadh an tuairmseadair—faodaidh an sgian-jack tuairmsean a thoirt seachad air caochlaideachd, mearachd àbhaisteach, agus claonadh gun àireamhachadh matamataigeach iom-fhillte. Ach, feumaidh a cleachdadh beachdachadh air nàdar an tuairmseadair, meud an t-sampall, agus structar eisimeileachd an dàta. Ann an cleachdadh, is e an sgian-jack gu tric roghainn luath is follaiseach, no co-phàirteach ri bhith a’ cleachdadh dhòighean-obrach ath-shamplachaidh nas làidire leithid bootstrapping.
Ma thogras tu, is urrainn dhomh eisimpleir beag de àireamhachadh àireamhach a chur ris cuideachd (m.e. airson co-dhàimh no ath-thilleadh) no buileachadh jackknife a thoirt a-steach ann an R/Python gus an tagradh a shoilleireachadh.
