Bootstrap vs jackknif

Bonjour à tous,

J'ai besoin de votre aide car je ne suis pas un As des stats.
J'ai un jeu de donnée échantillonné expérimentalement X1 ... Xn en fonction du temps par exemple.

Ce que je cherche à faire est calculé les paramètres d'une fonction mathématique qui explique au mieux ces données.
Rien de bien grandiose pour le moment. Cependant, j'aimerais avoir des indices statistiques qui me donnent une robustesse de ces paramètres, je m'expliques.

Je voudrais pouvoir avoir un algorithme, qui me calcule plusieurs jeux de paramètres en prenant en compte la robustesse de mon modèle mathématique ainsi que le nombre de point de mon échantillonnages.

J'ai entendu parlé des méthodes de Bootstrap et jackknif, mais j'ai du mal à voir la différence dans le résultat et quelle est la méthode la plus complète.
Pourriez-vous m'en dire plus et si il existe des fonctions matlab déjà programmées pour ces deux méthodes ? également si c'est méthodes sont facilement justifiables d'un point de vue scientifique ?

Merci beaucoup pour votre aide,

DK

Bonjour,

La finalité des 2 méthodes est la même : simulation de la variabilité d'une population à partir d'un ré-échantillonnage de l'échantillon dans le but de faire de l'inférence sur des paramètres d'un modèle statistique (dans sa définition la plus globale) !
En pratique, la méthode du Boostrap est actuellement la plus utilisée.

Je n'utilise pas Matlab, mais je ne vois pas pourquoi ces méthodes ne seraient pas implémentées dedans ou pré-programmé par d'autres personnes.

Cordialement,