Sono interessato a ottenere un intervallo di confidenza avviato dalla quantità X, quando questa quantità viene misurata 10 volte in ciascuna delle 10 persone.
Un approccio consiste nell'ottenere la media per individuo, quindi avviare i mezzi (ad es. Ricampionare i mezzi con la sostituzione).
Un altro approccio consiste nel fare quanto segue ad ogni iterazione della procedura di bootstrap: all'interno di ogni individuo, ricampionare le 10 osservazioni di quell'individuo con la sostituzione, quindi calcolare un nuovo mezzo per quell'individuo e infine calcolare un nuovo mezzo di gruppo. In questo approccio, ogni individuo osservato nel set di dati originale contribuisce sempre alla media del gruppo su ogni iterazione della procedura bootstrap.
Infine, un terzo approccio è quello di combinare i due approcci precedenti: ricampionare gli individui e poi ricampionare all'interno di quegli individui. Questo approccio differisce dall'approccio precedente in quanto consente allo stesso individuo di contribuire alla moltiplicazione media del gruppo su ciascuna iterazione, sebbene poiché ogni contributo sia generato attraverso una procedura di ricampionamento indipendente, è possibile che ci si aspetti che questi contributi differiscano leggermente l'uno dall'altro.
In pratica, trovo che questi approcci producano stime diverse per l'intervallo di confidenza (es. Con un set di dati, trovo che il terzo approccio produca intervalli di confidenza molto più ampi rispetto ai primi due approcci), quindi sono curioso di sapere quale potrebbe essere ciascuno interpretato per rappresentare.