şükela:  tümü | bugün
  • araştırmacıların işini kolaylaştıran bir istatistiksel yöntemdir. diyelim ki elinzideki örneklem kümesinin (söz gelimi a kümesi olsun) eleman sayısının azlığından dolayı (s(a)<100) yapğınız istatistiksel testler (regresyon, t-testi, anova vs vs ) istatistiksel olarak anlamlı sonuçlar vermiyor, yaparsınız bir bootstrapping, yani basit bir algoritma ile sanal olarak elinizdeki örneklem kümesinin eleman sayısını şöyle kallavi bir sayıya çıkarırsınız, o zaman tüm istatistiksel testler anlamlı olmaya başlar.
  • finansta; kuponsuz bonolarin getiri egrisini piyasadaki bono fiyatlarindan cekmeye verilen isim. (yani; zero-coupon bond'larin yield curve'ini cizmek)
  • küçük örneklemlerde kullanıldığı doğru ise de, yapılan istatistiksel testlerin "anlamlı" olmamasıyla ve onları anlamlı hale getirmekle alakası olmayan bir yöntemdir.
    aslında şahane bir yöntem olup, örneklem büyüklüğü yeterli bile olsa klasik t-testine tercih edilebilir. zira ister getiri eğrisi (yield curve) çizilmesini konu etsin, isterse hava sıcaklığının dondurma satışlarna etkisini, sonuç itibarıyla bir regresyon analizinde t veya z testi hata terimlerinin normal dağıldığı varsayımına dayanırken, "canım ne biliyoruz ki" şeklinde şüpheci zihniyet, bootstrappingi tercih edebilir katsayıların anlamlılık sınamaları için.
    buradaki mantık ve mekanizma şudur: t testi yaparken, hata terimlerinin normal dağılımdan geldiği varsayılmakta iken, bootstrapte ne idüğü belirsiz bir dağılımdan gelebileceği ve o dağılımı da en iyi ancak bu örneklemin kendisinden ortaya çıkan hata terimlerinin temsil edebileceği düşünülür. regresyon katsayılarının anlamlılık testi de, bu mantığı gözeten bir simulasyon ile yapılır. şöyle ki:

    önce örneklem büyüklüğü n olan veriye y= a + bx şeklindeki regresyon uygulanır ve regresyon katsayıları hesaplanır.
    elde edilen hata terimlerinden yerine koyarak çekme yöntemi ile n örneklem büyüklüğüne sahip 10,000 yeni hata serisi oluşturulur.
    her bir hata serisi, ilk regresyondan elde edilecek olan "tahmini" (forecasted) açıklanan değişken (y-hat, veya y-şapka olarak gösterilir ya hani) ile toplanarak (seriyi nasıl toplayacağınız aşikar herhalde di mi, i için 1'den n'e kadar y(i)= y-şapka(i) + e(i) ) 10,000 tane yeni y serisi oluşturulur. sonra bu y serilerinin her biri ile açıklayıcı değişken (x serisi) arasında regresyon yapılır. ne etti, 10,000 regresyon ve dolayısıyla 10,000 ayrı regresyon katsayısı di mi? işte size, ilk başta bulduğunuz regresyon ilişkisinin doğru olması varsayımı altında, regresyon katsayılarının olasılık dağılımı, üstelik hata terimleri için herhangi bir varsayıma gerek olmaksızın. bu 10,000 adet regresyon katsayısını küçükten büyüğe sıraya dizin, en küçük ve en büyük %2.5'e tekabül eden rakamlar, bu katsayı için güven aralığınız olacaktır efendim. umarız ki, bu aralığın içine "sıfır" değeri düşmemektedir.
  • monte carlo ile karıştırmamak gerekir. temelde brute force kullanılarak eldeki mevcut örneklerden popülasyon için bir dağılım çıkarma yöntemidir. eldeki verilerin olabilecek en iyi veriler olduğu varsayımına dayanır.

    bu yöntemde eldeki verileri tekrar dahil etmek şartıyla n sayıda rassal olarak seçerek yeni bir veri seti oluşturuyoruz. replacement olduğundan eski veri setinden farklı oluyor yeni veri seti.

    bu arada bootstrapping adı da bataklıktan kendisini, kendi botlarını çekerek kurtaran alman masal kahramanından almış. işin magazinsel yönünü de anlatmış olayım.
  • bazı girişimciler kendi start-up ları için dışsal kaynak(external input) bulmak yerine girişimlerini kendileri finanse ederler; buna bootstrapping denir. bunun en büyük avantajı sana ne yapacağını söylecek kimsenin olmamasıdır, çünkü tüm kontrol sendedir.
  • bir startup kurarken en iyi yontemdir. kimseye karsi bir sorumlulugun olmaz(burasi iyi mi kotu mu artik kendinize gore karar verin) saas, uygulama gibi gideri cok olmayan(yani kendiniz ugrasip da bir mvp urun cikarabilirsiniz) urunu olan startuplar cok rahatlikla yapabilirler ama is buyumeye gelince ya kazandigini yemeden marketinge gomeceksin ya da yavas yavas buyuyeceksin.