※ 引述《htio (htio)》之铭言： : 有关 bootstrap 和 monte carlo 的观念,好像之前有人问. : 我不知道自己的观念对不对,所以问问大家. : Monte carlo: : 是一种近似估计方法,所以精确来说,应该叫Monte carlo estimate. : 当随机的实验次数越多时,实验的结果会根据LLN接近真实值,事实上BENOULLI投几千次 : 铜板得出p=0.5就是一个Monte Carlo Estimation. : Bootstrap: : Bootstrap是一个方法论(methodology),是由几种方法组成的,包括 Resampling, : Plug-in estimator, Empirical distribution的概念,Monte carlo. : Bootstrap是说,如果我们不知道某统计量的分配,变异程度,我们可以从样本中 : 取出很多组bootstrap sample(Re-sampling method),算出相对的统计量, : 透过Monte carlo 近似,bootstrap distribution分配应该会和统计量真正的 : distribution很像. 小弟发表一下自己的意见，如果不对还请先进纠正， Monte carlo的随机变数是从一个假设的model抽出来的， 例如假设随机变数X~N(mu, sigma)，或是假设X是从其他分配取出来的。 而Bootstrap则是从过去的样本来重新抽样当作新的随机变数， 所以通常使用这种方法是因为认为过去的事件未来也会发生， 所以用这样的抽样比较没有模型风险 (但各位知道的，未来是有可能发生过去未发生的事情，所以也不能说没有模型风险) 以上是小弟的意见 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 218.167.10.164