Bootstrap (reamostragem)
Também conhecido como: Reamostragem · Bootstrap de Efron · Reamostragem com reposição
Técnica que estima a incerteza de uma métrica reamostrando os próprios dados com reposição centenas de vezes e observando o quanto o resultado varia. Serve quando não há fórmula fechada para a margem de erro.
Base legal
Efron (1979) — Bootstrap Methods, Annals of Statistics
Para saber a margem de erro de uma média há fórmula; para o Gini, o lift ou a diferença entre duas curvas, muitas vezes não há. O bootstrap resolve isso sem fórmula: sorteia, com reposição, uma nova amostra do mesmo tamanho a partir dos dados observados, recalcula a métrica, e repete o processo — tipicamente 1.000 vezes.
A distribuição desses milhares de resultados é a própria incerteza da métrica: os percentis 2,5 e 97,5 dão um intervalo de confiança de 95%. Proposto por Bradley Efron em 1979, é o jeito padrão de pôr uma barra de erro em quase qualquer número quando a teoria não oferece uma.
Perguntas frequentes
Por que usar bootstrap em vez de uma fórmula?
Porque métricas como Gini, lift e a diferença entre curvas não têm fórmula fechada simples para a margem de erro. O bootstrap estima essa incerteza reamostrando os dados com reposição e observando quanto o resultado varia.