Bootstrap vs. jackknife

Entrambi i metodi bootstrap e jackknife possono essere usati per stimare il bias e l'errore standard di una stima e i meccanismi di entrambi i metodi di ricampionamento non sono molto diversi: campionare con la sostituzione vs. tralasciare un'osservazione alla volta. Tuttavia, jackknife non è così popolare come bootstrap nella ricerca e nella pratica.

C'è qualche evidente vantaggio nell'usare bootstrap invece di usare jackknife?

r confidence-interval bootstrap jackknife

— Tu.2
fonte

Proprio per quanto riguarda la storia, ho imparato a conoscere il coltello a serramanico nei primi anni '70, quando le statistiche erano ancora in gran parte fatte su un blocco giallo. (Il tempo del computer era troppo costoso!) Se la memoria serve, è stata promossa da John Tukey.

— Dan Buskirk

Il bootstrap è una tecnica superiore e può essere usato praticamente ovunque sia stato usato il jackknifing. Jackknifing è molto più vecchio (forse ~ 20 anni); il vantaggio principale nei giorni in cui la potenza di calcolo era limitata, era che dal punto di vista computazionale era molto più semplice. Tuttavia, il bootstrap fornisce informazioni sull'intera distribuzione di campionamento e può offrire una maggiore precisione. Il jackknife è ancora utile nel rilevamento anomalo, ad esempio nel calcolo di dfbeta (la modifica di un parametro stimato quando un punto dati viene eliminato).

— gung - Ripristina Monica
fonte

Ma forse vedi anche la risposta di @ Benjamin qui ( stats.stackexchange.com/questions/96739/… ) come un caso in cui un coltello a serramanico è ancora utile. Anche i jackknif sono ancora usati (sembra) nella stima di quando si calcolano gli intervalli di confidenza BCa.

a

$a$

— Russellpierce,

@gung potresti fornire maggiori dettagli o riferimenti per le tue affermazioni secondo cui il bootstrap fornisce informazioni sull'intera distribuzione di campionamento (il jackknife no?) e che è più preciso?

— mloning