Razširljivo statistično sklepanje z dvojnim bootstrapomHudobreznik, Enej (Avtor) Štrumbelj, Erik (Mentor) BootstrapDvojni bootstrapIntervali zaupanjaSimulacijska študijaHierarhični podatkiPythonV diplomskem delu razvijemo knjižnico bootstrap-inference za programski jezik Python, ki ponuja razširljivo implementacijo metod sklepanja bootstrap s poudarkom na dvojnih percentilnih intervalih zaupanja. Knjižnica podpira tudi percentilne intervale zaupanja, ocenjevanje pristranskosti in variance, uporabniško definirane statistike, alternativne sheme ponovnega vzorčenja, vzporedno izvajanje na več procesorskih jedrih in ponovljivost rezultatov. Pravilnost implementacije dvojnih percentilnih intervalov preverimo s simulacijsko študijo, v kateri našo implementacijo primerjamo z referenčno implementacijo v knjižnici bootstrap-ci. Pri obravnavanih porazdelitvah, statističnih funkcionalih in velikostih vzorca se implementaciji glede verjetnosti pokritja dobro ujemata. Uporabnost razvite knjižnice dodatno utemeljimo s simulacijsko študijo na sintetičnih hierarhičnih podatkih, v kateri primerjamo pokritje različnih metod za konstrukcijo intervalov zaupanja ob kršitvi predpostavke normalnosti porazdelitve naključnih vplivov. Ob odstopanju od normalnosti ima neparametrična percentilna metoda pri standardnih odklonih naključnih vplivov boljše pokritje od parametričnih metod, dvojni bootstrap pa pokritja neparametrične percentilne metode ne izboljša vedno.20262026-09-11 11:45:07Diplomsko delo/naloga187571sl