Metodo bootstrap
Da Wikipedia, l'enciclopedia libera.
Il bootstrap è una tecnica statistica di ricampionamento per approssimare la distribuzione campionaria di una statistica. Permette perciò, di approssimare media e varianza di uno stimatore, costruire intervalli di confidenza e calcolare p-values di test quando, in particolare, non si conosce la distribuzione della statistica di interesse.
Nel caso semplice di campionamento casuale semplice, il funzionamento è il seguente: consideriamo un campione effettivamente osservato di numerosità pari ad n, diciamo x = (x1,...,xn). Da x si ricampionano m altri campioni di numerosità costante pari ad n, diciamo 
; in ciascuna estrazione bootstrap, i dati provenienti dal primo elemento del campione, cioè x1, possono essere estratti più di una volta e ciascun dato ha probabilità pari a 1/n di essere estratto.
Sia T lo stimatore di θ che ci interessa studiare, diciamo 
. Si calcola tale quantità per ogni campione bootstrap, 
. In questo modo si hanno a disposizione m stime di θ, dalle quali è possibile calcolare la media bootstrap, la varianza bootstrap, i percentili bootstrap etc. che sono approssimazioni dei corrispondenti valori ignoti e portano informazioni sulla distribuzione di T(x).
Partendo quindi da queste quantità stimate è possibile calcolare intervalli di confidenza, saggiare ipotesi, etc.
