در [[آمار]]، '''بوت استرپینگ''' {{انگلیسی|Bootstrapping}} یک متدروش محاسباتی-آماری-کامپیوتری است برای نسبتتعیین دادن معیارمیزان دقت بهبرآوردگرهای تخمینهایحاصل دادهٔ نمونه ([[Bradley Efron|Efron]] و[[Robert Tibshirani|Tibshirani]] ۱۹۹۴). دراین تکنیک تنها با یک روش خیلی ساده می‌توان تقریباً هر آماره‌ای از توزیع داده‌های نمونه را تخمین زد. به طور عمومی این روش از روشهای [[بازنمونه گیری]] به حساب می‌آید.
بوت استرپینگ در واقع تخمین ویژگی‌های (مثل واریانس) یک تخمینبرآوردگر زننده‌استاست با استفاده از [[اندازه‌گیری]] همین ویژگیها در یک توزیع تقریبی از کل داده‌های نمونه. یک انتخاب استاندارد برای توزیع تقریبی، توزیع تجربی داده‌های مشاهده شده‌است. در حالتی که بتوان فرض کرد مجموعه‌ای از مشاهده‌ها از جمعیتی مستقل و به طور مساوی توزیع شده می‌باشد، بوت استرپینگ می‌تواند با ساخت تعدای بازنمونه پیاده‌سازی شود، که هرکدام از این بازنمونه‌هایبازنمونه‌ها، در واقع نمونه‌هایی رندمتصادفی با جایگذاری از مجموعه داده‌های اصلی هستند.
همچنین از بوت استرپینگ می‌توان در ساخت [[آزمون فرض آماری]] استفاده کرد. از این روش معمولاً به عنوان جایگزینی برای متدهایروش های استنباطی بر پایه فرضهای پارامتری هنگامی که در مورد این فرضها شک داشته باشیم استفاده می‌شود. یاهمچنین مواردی کهدر استنباط پارامتری غیرزمانی ممکن باشد یا برایکه محاسبهٔ خطای استاندار فرمول محاسباتی پیچیده شود از بوت استرپینگ استفاده می‌کنیم.
=== فواید ===
خط ۹:
=== مضرات ===
به دلیل اینکه بوت استرپینگ تحت برخی شرایط به طور مجانبی ثابت است، تضمین نمونه-متناهی عمومی را فراهم نمی‌کند. بعلاوه، گرایش به این دارد که خیلی خوشبینانه عمل کند. ظاهر سادهٔ این روش ممکن است پیشفرضهایپیش فرضهای مهم برای آنالیز بوت استرپ (مثل فرض مستقل بودن نمونه‌ها) را پنهان کند در حالی که در روشهای دیگر این پیشفرضهاپیش فرضها به صورت رسم بیان می‌شوند.
== توصیف غیر رسمی ==
بوت استرپینگ این امکان را برای یک نفر فراهم می‌سازد که تعداد زیادی نسخهٔ جایگزین از یک آماره را که به طور معمول از یک نمونه محاسبه می‌شود را جمع آوری کند. به عنوان مثال، فرض کنید که ما علاقه‌مند به جمع آوری اطلاعات در مورد قد افراد در جهان هستیم. به دلیل اینکه نمی‌توانیم کل جمعیت را اندازه‌گیری کنیم، تنها از یک از قسمت کوچک نمونه برداری می‌کنیم. از این نمونه فقط یک آماره قابل محاسبه‌است، مثلاً یک میانگین یا یک انحراف معیار. در نتیجه نمی‌توانیم متوجه شویم که آماره‌ها چه قدر و در چه بازه‌ای تغییر می‌کنند. اما هنگامی که از بوت استرپ استفاده کنیم ما به صورت تصادفی یک نمونهٔ ''n'' تایی از ''N'' تا دادهٔ نمونه بر می‌داریم، به طوریکه هر نفر حد اکثر ''t'' بار می‌تواند انتخاب شود. با چندین بار انجام این کار در واقع تعداد زیادی مجموعهٔ داده می‌سازیم که برای هرکدام می‌توانیم یک آماره حساب کنیم. بنابراین به این روش یک تخمین از توزیع آماره به دست می‌آید. نکتهٔ مهم در این روش ساختن نسخه جایگزین از داده‌هایی است که ممکن است ما دیده باشیم.
