بوٹسٹریپ کانفیڈنس انٹرول کیلکولیٹر

اس کیلکولیٹر کے بارے میں

بوٹسٹریپ، جو Bradley Efron نے 1979 میں متعارف کرایا، کسی شماریے — یہاں اوسط — کی نمونہ جاتی تقسیم کا اندازہ اس طرح لگاتا ہے کہ آپ کے مشاہدہ شدہ ڈیٹا کو تبدیلی کے ساتھ بار بار دوبارہ نمونہ بنایا جاتا ہے اور ہر دوبارہ نمونے پر شماریہ نئے سرے سے نکالا جاتا ہے، ہزاروں بار۔ روایتی کانفیڈنس انٹرول کے برعکس، جو بنیادی نارمل تقسیم فرض کرتا ہے اور t یا z تقسیم پر انحصار کرتا ہے، بوٹسٹریپ ایسا کوئی مفروضہ نہیں کرتا، اور پرسنٹائل طریقے سے انٹرول کو براہِ راست دوبارہ نمونہ بنائے گئے اوسطوں کے پھیلاؤ سے اخذ کرتا ہے۔

یہ کیلکولیٹر آپ کا خام ڈیٹا، ایک منتخب کانفیڈنس لیول اور دوبارہ نمونوں کی تعداد لیتا ہے، پھر اوسط کے لیے نتیجے میں بوٹسٹریپ کانفیڈنس انٹرول لوٹاتا ہے۔ چھوٹے، ترچھے یا بصورتِ دیگر غیر نارمل نمونوں کے ساتھ کام کرنے والے شماریات دان اور ڈیٹا سائنٹسٹ، اور وہ محققین جو کلاسیکی کانفیڈنس انٹرول کا تقسیم سے آزاد متبادل چاہتے ہیں اسے تب استعمال کرتے ہیں جب معمول کے نارملٹی مفروضے مشکوک ہوں یا ان کی تصدیق مشکل ہو۔