Bootstrap vs. jackknife

Os métodos bootstrap e jackknife podem ser usados para estimar o viés e o erro padrão de uma estimativa e os mecanismos de ambos os métodos de reamostragem não são muito diferentes: amostragem com substituição vs. deixar de fora uma observação de cada vez. No entanto, o canivete não é tão popular quanto o bootstrap na pesquisa e na prática.

Existe alguma vantagem óbvia de usar o bootstrap em vez de usar o canivete?

r confidence-interval bootstrap jackknife

— Tu.2
fonte

Por uma questão de história, aprendi sobre o canivete no início dos anos 70, quando as estatísticas ainda eram amplamente feitas em um bloco amarelo. (O tempo do computador era muito caro!) Se a memória serve, foi promovida por John Tukey.

— Dan Buskirk 03/03

O bootstrapping é uma técnica superior e pode ser usado praticamente em qualquer lugar que o jackknifing tenha sido usado. Jackknifing é muito mais velho (talvez ~ 20 anos); sua principal vantagem nos dias em que o poder da computação era limitado, era o fato de ser computacionalmente muito mais simples. No entanto, o bootstrap fornece informações sobre toda a distribuição de amostras e pode oferecer maior precisão. O canivete ainda é útil na detecção de outlier, por exemplo, no cálculo do dfbeta (a alteração na estimativa de um parâmetro quando um ponto de dados é descartado).

— - Reinstate Monica
fonte

a

$a$

@gung você poderia fornecer mais detalhes ou referências para suas reivindicações de que o bootstrap fornece informações sobre toda a distribuição de amostras (o canivete não fornece?) e que é mais preciso?

— mloning