Jackknife ve Bootstrap Yöntemlerine İlişkin Bir Uygulama

Abstract

Örnekleme işlemi veya süreci, bilimsel araştırma yapmanın en önemli aşamalarından birisidir. Örnekleme, ana kütle içerisinden ana kütleyi daha iyi temsil edecek şekilde tesadüfi olarak daha küçük örnek birimi alma işlemine denir. Diğer bir ifadeyle, örnekleme yapmaktaki amaç, ana kütle hakkında tutarlı ve geçerli bir tahminde bulunmak için örnekleme hatasını minimuma indirgemektir. Farklı kategoriler altında yer alan birçok örnekleme yöntemi bulunmaktadır. Son yıllarda ilerleyen teknoloji ile birlikte, temel örnekleme yöntemlerinin bir takım dezavantajlarının olduğu gözlenmiştir. Bu temel örnekleme yöntemlerindeki dezavantajları nedeniyle yeniden örnekleme yöntemleri geliştirilmiştir. Yeniden örnekleme yöntemleri örnek verilerini tekrar tekrar işleme tabi tutarak istatistik bilgiler sunmaktadır. Hızla gelişen teknolojiyle birlikte bu yöntemler, 1990’larda bilgisayar tabanlı yöntemler olarak uygulamadaki yerini almış ve hem parametrik hem de parametrik olmayan dağılımlar için temel yöntemlerle sınırlı kalmayıp, daha büyük veri setleri kullanarak iadeli ve iadesiz işlemler yapılabilmiştir. Bu çalışmada, yeniden örnekleme yöntemlerinden jackknife ve bootstrap yöntemleriyle; ortalaması 10 olan ana kütleden, 100 ve 300 birimlik örnekten çekildiği varsayılan n (10, 20, 30, 40, 50, 60, 70, 80) hacimli (bootstrap) örneklere ait ortalama ve güven aralığı değerleri incelenmiştir.