Quais são os exemplos em que um "bootstrap ingênuo" falha?


86

Suponha que eu tenha um conjunto de dados de amostra de uma distribuição desconhecida ou complexa e que deseje realizar alguma inferência em uma estatística dos dados. Minha inclinação padrão é apenas para gerar um monte de amostras de bootstrap com substituição e calcular o meu estatística em cada amostra de bootstrap para criar uma distribuição estimada para .TTT

Quais são os exemplos em que isso é uma má ideia?

Por exemplo, um caso em que a ingenuidade na execução desse bootstrap falharia seria se eu estivesse tentando usá-lo em dados de séries temporais (por exemplo, para testar se eu tenho correlação automática significativa). O bootstrap ingênuo descrito acima (gerando o de dados da enésima série de exemplos de bootstrap por amostragem com substituição da minha série original) seria (acho) desaconselhável, uma vez que ignora a estrutura da minha série temporal original, e por isso obtenha técnicas de inicialização mais sofisticadas, como a inicialização do bloco.i

Em outras palavras, o que há no bootstrap além da "amostragem com substituição"?


Se você deseja deduzir a média dos dados do iid, o bootstrap é uma ótima ferramenta. Tudo o resto é questionável e requer prova caso a caso de convergência fraca.
Stask

Respostas:


67

Se a quantidade de interesse, geralmente funcional de uma distribuição, for razoavelmente suave e seus dados estiverem disponíveis, você estará em um território bastante seguro. Obviamente, há outras circunstâncias em que o bootstrap também funcionará.

O que significa para o bootstrap "falhar"

Em termos gerais, o objetivo do bootstrap é construir uma distribuição aproximada da amostra para a estatística de interesse. Não se trata de estimativa real do parâmetro. Portanto, se a estatística de interesse (sob algum redimensionamento e centralização) for e na distribuição, gostaríamos que nossa distribuição de inicialização fosse convergem para a distribuição de . Se não temos isso, não podemos confiar nas inferências feitas.X^nX^nXX

O exemplo canônico de quando o bootstrap pode falhar, mesmo em uma estrutura iid, é ao tentar aproximar a distribuição de amostragem de uma estatística de ordem extrema. Abaixo está uma breve discussão.

Estatística de pedido máximo de uma amostra aleatória de uma distribuiçãoU[0,θ]

Seja uma sequência de variáveis ​​aleatórias uniformes de iid em . Deixe . A distribuição de é (Observe que, por um argumento muito simples, isso na verdade também mostra que em probabilidade, e mesmo, quase certamente , se as variáveis ​​aleatórias estiverem todas definidas no mesmo espaço.)X1,X2,[0,θ]X(n)=max1knXkX(n)

P(X(n)x)=(x/θ)n.
X(n)θ

Um cálculo elementar produz ou, em outras palavras, converge na distribuição para uma variável aleatória exponencial com média .

P(n(θX(n))x)=1(1xθn)n1ex/θ,
n(θX(n))θ

Agora, formamos uma estimativa (ingênua) de autoinicialização da distribuição de , reamostrando com substituição para obter e usando a distribuição de condicional em .n(θX(n))X1,,XnX1,,Xnn(X(n)X(n))X1,,Xn

Mas observe que com probabilidade e, portanto, a distribuição do bootstrap tem uma massa de ponto a zero, mesmo que assintoticamente, apesar de o fato de que a distribuição limite real é contínua.X(n)=X(n)1(11/n)n1e1

Mais explicitamente, embora a distribuição limitadora verdadeira seja exponencial com a média , a distribuição limitadora do bootstrap coloca uma massa de pontos no zero do tamanho independentemente do valor real de . Ao tomar suficientemente grande, podemos tornar arbitrária a probabilidade da verdadeira distribuição limitadora pequena para qualquer intervalo fixo , mas o bootstrap ( ainda !) Informa que há pelo menos probabilidade 0,632 nesse intervalo! Por isso, deve ficar claro que o bootstrap pode se comportar arbitrariamente mal nessa configuração.θ1e10.632 θθ[0,ε)

Em resumo, o bootstrap falha (miseravelmente) neste caso. As coisas tendem a dar errado quando se lida com parâmetros na extremidade do espaço de parâmetros.

Um exemplo de uma amostra de variáveis ​​aleatórias normais

Existem outros exemplos semelhantes da falha do bootstrap em circunstâncias surpreendentemente simples.

Considere um exemplo de que o espaço de parâmetro para está restrito a . O MLE nesse caso é . Novamente, usamos a estimativa de autoinicialização . Novamente, pode ser mostrado que a distribuição de (condicional na amostra observada) não converge para a mesma distribuição limitadora que .X1,X2,N(μ,1)μ[0,)X^n=max(X¯,0)X^n=max(X¯,0)n(X^nX^n)n(X^nμ)

Matrizes intercambiáveis

Talvez um dos exemplos mais dramáticos seja para uma matriz intercambiável. Seja seja uma matriz de variáveis ​​aleatórias tais que, para cada par de matrizes de permutação e , as matrizes e têm a mesma distribuição conjunta. Ou seja, permutar linhas e colunas de mantém a distribuição invariável. (Você pode pensar em um modelo de efeitos aleatórios bidirecional com uma observação por célula como exemplo, embora o modelo seja muito mais geral.)Y=(Yij)PQYPYQY

Suponha que desejemos estimar um intervalo de confiança para a média (devido à suposição de permutabilidade descrita acima, as médias de todos os células devem ser as mesmas).μ=E(Yij)=E(Y11)

McCullagh (2000) considerou duas maneiras naturais (ou seja, ingênuas) de inicializar uma matriz desse tipo. Nenhum deles obtém a variação assintótica para a média da amostra correta. Ele também considera alguns exemplos de uma matriz trocável unidirecional e regressão linear.

Referências

Infelizmente, o assunto não é trivial, portanto, nenhuma dessas leituras é particularmente fácil.

P. Bickel e D. Freedman, Alguma teoria assintótica para o bootstrap . Ann. Estado. vol. 9, n. 6 (1981), 1196-1217.

DWK Andrews, Inconsistência do bootstrap quando um parâmetro está no limite do espaço de parâmetro , Econometrica , vol. 68, n. 2 (2000), 399-405.

P. McCullagh, Reamostragem e matrizes permutáveis , Bernoulli , vol. 6, n. 2 (2000), 285-301.

EL Lehmann e JP Romano, Testando Hipóteses Estatísticas , 3º. ed., Springer (2005). [Capítulo 15: Métodos gerais de amostra grande]


O comportamento do bootstrap das estatísticas da ordem parece razoável para mim, dado que a distribuição exponencial tem uma "massa pontual" semelhante a zero - O modo de uma distribuição exponencial é 0, portanto parece razoável que a probabilidade seja diferente de zero na valor mais provável! O bootstrap provavelmente seria algo mais parecido com uma distribuição geométrica que é um análogo discreto do exponencial. Eu não tomaria isso como um "fracasso" da inicialização aqui - para a quantidade estimada de sempre reside no apropriado intervaloθθX(n)
probabilityislogic

1
@ cardinal - a distribuição assintótica não é a referência apropriada - a menos que você tenha uma amostra infinita. A distribuição de autoinicialização deve ser comparada à distribuição finita de amostra que foi projetada para aproximar. O que você deseja mostrar é que, conforme o número de iterações de bootstrap chega ao infinito, a distribuição de bootstrap converge para a distribuição de amostragem finita . deixar é uma solução aproximada e não exata. n
probabilityislogic

5
@ cardinal +1, votei na questão mais cedo, mas só quero agradecer por uma resposta muito boa, exemplos e links para os artigos.
precisa saber é o seguinte

@probabilityislogic, é claro que na aplicação geral da teoria assintótica depende da taxa de convergência; se for lenta, não será aplicável. Mas você deve demonstrar que a taxa é lenta, pois eu suspeito que, por exemplo, com uma distribuição uniforme no tamanho da amostra 100, você encontrará os problemas @ cardinal descritos.
precisa saber é o seguinte

3
@probabilityislogic, no começo, eu só vi o último dos seus dois comentários mais recentes. Para abordar a primeira, você pode ver as duas primeiras frases da seção acima com o cabeçalho "O que significa que o bootstrap 'falhará" ", onde isso é tratado explicitamente. O bootstrap não é sobre estimar o parâmetro. Assumimos que temos uma boa maneira de estimar o parâmetro desejado (neste caso, funciona bem). O bootstrap é sobre saber algo sobre a distribuição do parâmetro para que possamos fazer inferência. Aqui, o bootstrap errou a distribuição ( muito! ). X(n)
cardeal

8

O livro a seguir possui um capítulo (Cap. 9) dedicado a "Quando o bootstrapping falha junto com os remédios para falhas":

MR Chernick, métodos Bootstrap: Um guia para profissionais e pesquisadores , 2ª ed. Hoboken NJ: Wiley-Interscience, 2008.

Os tópicos são:

  1. Muito pequeno de um tamanho de amostra
  2. Distribuições com momentos infinitos
  3. Estimando valores extremos
  4. Amostragem de pesquisa
  5. Sequências de dados que são dependentes de M
  6. Processos autoregressivos instáveis
  7. Dependência de Longo Alcance

1
Você já viu este comentário com uma resposta neste tópico? Aliás, esse comentário está vinculado a uma página da Amazon para o livro de Chernick; as críticas dos leitores são esclarecedoras.
whuber

@ Whuber Bem, eu não notei esse comentário. Devo remover minha resposta?
Sadeghd

1
Como sua resposta é mais detalhada que a referência no comentário, ela tem potencial: mas, de acordo com as políticas e objetivos da SE, seria bom vê-la ampliada com algumas explicações sobre por que você está recomendando este livro ou - melhor ainda - incluir um resumo das informações nele. Caso contrário, ele adiciona pouco e deve ser excluído ou convertido em um comentário para a pergunta.
whuber

1

O bootstrap ingênuo depende do tamanho da amostra ser grande, de modo que o CDF empírico para os dados seja uma boa aproximação ao CDF "verdadeiro". Isso garante que a amostragem do CDF empírico seja muito semelhante à amostragem do CDF "verdadeiro". O caso extremo é quando você apenas amostrou um ponto de dados - a inicialização não alcança nada aqui. Tornar-se-á cada vez mais inútil à medida que se aproxima deste caso degenerado.

O bootstrapping ingenuamente não falhará necessariamente na análise de séries temporais (embora possa ser ineficiente) - se você modelar a série usando funções básicas de tempo contínuo (como polinômios de legenda) para um componente de tendência e funções seno e cosseno de tempo contínuo para ciclos cíclicos componentes (mais o termo de erro de ruído normal). Em seguida, basta colocar o que quer que você tenha amostrado na função de probabilidade. Nenhum desastre para a inicialização aqui.

Qualquer correlação automática ou modelo ARIMA tem uma representação neste formato acima - este modelo é apenas mais fácil de usar e penso entender e interpretar (ciclos fáceis de entender nas funções seno e cosseno, coeficientes difíceis de entender de um modelo ARIMA). Por exemplo, a função de correlação automática é a transformação inversa de Fourier do espectro de potência de uma série temporal.


@probabilityislogic -1, acidentalmente votei na resposta anteriormente (culpe o Opera mini), então tive que editá-la para poder votar novamente, desculpe-me por usar essas táticas. Fiz isso apenas porque não gostei da resposta a princípio, mas não diminuiu o voto porque queria preparar meus argumentos, que darei no comentário a seguir.
precisa saber é o seguinte

1
@probabilityislogic, para processos de séries temporais, o tempo desempenha um papel importante; portanto, a distribuição do vetor é diferente de . A reamostragem, como feita no bootstrap ingênuo, destrói essa estrutura. Por exemplo, se você tentar ajustar o modelo AR (1), após a reamostragem, poderá perceber que está tentando ajustar como , que é não parece natural. Se você busca no google por "séries temporais de inicialização", o segundo artigo dá um exemplo de como a estimativa de variação das séries temporais ...(Xt,Xt+1)(Xt+1,Xt)Y10ρY15
mpiktas 19/04/11

2
@probabilityislogic, seria possível demonstrar sua ideia na sua resposta para uma estimativa ingênua de bootstrap de no modelo AR (1) ? Eu não acho que isso seja possível, daí a razão básica do voto negativo. Eu ficaria feliz em me provar errado. ρYt=ρYt1+ut
precisa saber é o seguinte

1
@probabilityislogic, e? Qual será a estimativa de nesse caso? Sinto muito por incomodar, mas sinceramente não vejo como você pode mostrar que o bootstrap ingênuo não falhará neste caso. rho
Mvctas

4
Meu livro aqui tem um capítulo sobre quando o bootstrap falha e também um capítulo sobre como o bootstrap é aplicado em séries temporais. Para séries temporais, a autoinicialização pode ser aplicada aos resíduos de um modelo na abordagem baseada em modelo. A outra abordagem não paramétrica no domínio do tempo é a inicialização de bloco, da qual existem muitos tipos.
Michael Chernick 28/08/2012
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.