PE Notes · 확률통계
잭나이프(Jackknife) 기법
잭나이프(Jackknife): 표본에서 관측치를 하나씩 빼고(Leave-One-Out) 추정량을 n번 다시 계산해, 그 변동으로 추정량의 편향(Bias)과 표준오차(분산)를 추정하는 재표본추출(Resampling) 기법
잭나이프(Jackknife): 표본에서 관측치를 하나씩 빼고(Leave-One-Out) 추정량을 n번 다시 계산해, 그 변동으로 추정량의 편향(Bias)과 표준오차(분산)를 추정하는 재(Resampling) 기법. 제안: 케누이(Quenouille, 1949) — 편향 보정 / 튜키(Tukey, 1958) — 분산 추정·"잭나이프" 명명(어디에나 쓰는 접이식 칼).
구조와 칸
결정론적: 같은 데이터면 항상 같은 결과(은 무작위). 계산량 n회: 부트스트랩(보통 1,000회 이상)보다 적음. 매끄러운(Smooth) 통계량에 적합: 평균·분산·회귀계수 등. 비매끄러운 통계량에 약함: 중앙값·분위수는 하나를 빼도 값이 거의 안 변하거나 급변 → 표준오차 추정 불안정 → 부트스트랩·delete-d 잭나이프 사용.
| 변형 | 내용 |
|---|---|
| delete-1 잭나이프 | 기본형, 1개씩 제외 |
| delete-d 잭나이프 | d개씩 제외(조합 수 많음) — 중앙값 등 비매끄러운 통계량 개선 |
| 그룹(블록) 잭나이프 | 데이터를 g개 그룹으로 나눠 그룹 단위 제외 — 대용량·군집 표본 |
| 시계열 블록 잭나이프 | 연속 블록 제외로 자기상관 보존 |
θ̃ᵢ = nθ̂ − (n − 1)θ̂₍ᵢ₎ — 관측치 i의 영향을 반영한 값. 잭나이프 추정량 = 의 평균, SE = 의사값 표준편차 ÷ √n. 의사값이 큰 관측치 = 영향력 큰 관측치(이상치 진단). ① 평균의 표준오차.
잭나이프 vs 부트스트랩
| 기준 | 잭나이프 | 부트스트랩 |
|---|---|---|
| 재표본 방법 | 1개씩 제외(n개 하위 표본) | 복원 추출(B개 표본) |
| 계산량 | n회 | 보통 1,000회 이상 |
| 결과 | 결정론적 | 무작위(반복마다 약간 다름) |
| 주 용도 | 편향·분산(표준오차) 추정 | 표준오차·신뢰구간·분포 전체 |
| 비매끄러운 통계량(중앙값) | 부정확 | 상대적으로 양호 |
| 이론 관계 | 부트스트랩의 1차(선형) 근사 | 더 일반적 |
| 기준 | 잭나이프 | |
|---|---|---|
| 목적 | 추정량의 편향·표준오차 | 모델의 예측 오차 |
| 하나 뺀 데이터로 계산 | 추정량 θ̂₍ᵢ₎ | 모델 학습 후 뺀 1개 예측 |
| 분야 | 통계 추론 | 머신러닝 모델 평가 |
조사 통계: 복합 표본 설계(층화·군집)에서 그룹 잭나이프로 분산 추정 — 공공 통계 분산 추정 방법으로 사용. 생태학: 종 풍부도 추정(잭나이프 추정량). 계량경제·금융: 상관계수·비율 추정량의 표준오차.
답안은 잭나이프(Jackknife) 기법의 정의, 칸, 비교 축을 한 장에 닫습니다.
기출 이력
- 제140회 1교시