Techniques de rééchantillonnage

Appliquez des techniques de rééchantillonnage pour estimer des statistiques descriptives et des intervalles de confiance à partir d’un échantillon de données lorsque les hypothèses des tests paramétriques ne sont pas satisfaites ou pour de petits échantillons tirés de distributions non normales. Les méthodes bootstrap consistent à choisir des échantillons aléatoires avec remise à partir de l’échantillon de données afin d’estimer des intervalles de confiance pour les paramètres souhaités. La méthode jackknife consiste à recalculer systématiquement le paramètre souhaité à l’aide d’un sous-ensemble de l’échantillon de données, en retirant à chaque fois une observation de ce sous-ensemble (rééchantillonnage un contre tous). À partir de ces calculs, on estime le paramètre souhaité pour l’ensemble de l’échantillon de données. Si vous disposez d’une licence Parallel Computing Toolbox™, vous pouvez utiliser le calcul parallèle pour accélérer les calculs de rééchantillonnage.