Bootstrap 1-Sample
Bootstrap 1-Sample schat de steekproefverdeling van een statistiek uit duizenden herbemonsteringen van dezelfde omvang, getrokken met teruglegging. Gebruik het wanneer gegevens niet normaal zijn, steekproeven klein zijn of de statistiek geen eenvoudige formule heeft. Kies het gemiddelde, de mediaan, de som, de variantie of de standaardafwijking, minstens 1,000 herbemonsteringen (bij voorkeur 5,000 tot 10,000) en de intervalmethode BCa, percentiel of basic. De uitvoer is de statistiek en het betrouwbaarheidsinterval.
Laatst beoordeeld
Belangrijkste conclusie
Bootstrap 1-Sample bouwt een betrouwbaarheidsinterval voor een statistiek (gemiddelde, mediaan, standaardafwijking) door de gegevens herhaaldelijk met teruglegging te herbemonsteren, zonder verdelingsaanname.
Op deze pagina
Wat is Bootstrap 1-Sample?
Bootstrap 1-Sample is een herbemonsteringstechniek die de steekproefverdeling van een statistiek — zoals het gemiddelde, de mediaan of de standaardafwijking — schat door herhaaldelijk willekeurige steekproeven met teruglegging uit de oorspronkelijke dataset te trekken. Elke herbemonsterde dataset is even groot als het origineel en de betreffende statistiek wordt voor elke herbemonstering opnieuw berekend, wat over duizenden iteraties een verdeling van die statistiek oplevert.
De belangrijkste kracht van bootstrapping is dat het geen aannames doet over de onderliggende verdeling van de gegevens. Daardoor is het een krachtig alternatief wanneer normaliteit niet kan worden aangenomen en parametrische toetsen niet geschikt zijn.
Eenvoudige definities: Een techniek die schat hoe betrouwbaar uw berekende statistiek (zoals een gemiddelde) is door uw eigen gegevens duizenden keren te herbemonsteren — er zijn geen aannames over de verdeling van de gegevens nodig.
Wanneer gebruikt u Bootstrap 1-Sample?
- Gebruik het wanneer de gegevens niet voldoen aan de aanname van normaliteit en parametrische betrouwbaarheidsintervallen mogelijk niet geldig zijn.
- Gebruik het wanneer steekproeven klein zijn en traditionele methoden op basis van normale benaderingen onbetrouwbaar zijn.
- Gebruik het om betrouwbaarheidsintervallen te schatten voor statistieken zonder eenvoudige analytische formule — zoals de mediaan, het getrimde gemiddelde of de verhouding van twee grootheden.
- Gebruik het om resultaten van parametrische toetsen te valideren door bootstrap-betrouwbaarheidsintervallen te vergelijken met traditioneel berekende intervallen.
Richtlijnen voor correct gebruik van Bootstrap 1-Sample
- Gebruik een voldoende groot aantal bootstrap-herbemonsteringen — minstens 1,000 en bij voorkeur 5,000 tot 10,000 iteraties, zodat de bootstrapverdeling stabiel en betrouwbaar is.
- Bootstrapping werkt het best wanneer de oorspronkelijke steekproef representatief is voor de populatie — een vertekende of niet-representatieve steekproef levert vertekende bootstrapschattingen op.
- Gebruik bootstrapping niet als vervanging voor het verzamelen van voldoende gegevens — het kan een slecht opgezet onderzoek of een te kleine steekproefomvang niet compenseren.
- De resultaten kunnen per run licht verschillen door willekeurige herbemonstering — met een vaste random seed zijn de resultaten reproduceerbaar wanneer u erover rapporteert.
Alternatieven: wanneer u Bootstrap 1-Sample niet gebruikt
- Als de gegevens normaal verdeeld zijn en de steekproefomvang voldoende is, gebruik dan in plaats daarvan standaard parametrische methoden zoals de Eénsteekproef-t-toets — die zijn efficiënter.
- Als u twee groepen wilt vergelijken, gebruik dan de Tweesteekproef-t-toets of Mann-Whitney-toets
- Als het hoofdpunt het fitten van verdelingen is en niet het schatten van intervallen, gebruik dan Identificatie van individuele verdeling
Voorbeeld van Bootstrap 1-Sample
Een chemicus bij een farmaceutisch bedrijf wil de reactietijd bepalen van een nieuw ontwikkeld maagzuurremmend middel. De test verloopt in de volgende stappen:
- De benodigde gegevens verzameld.

- Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
- Om Bootstrap 1-Sample te vinden, kiest u Statistical module> Hypothesis Test> Bootstrap 1-Sample.
- Voer in de tool de gegevens en de overige invoer als volgt in:

5. Na gebruik van de bovengenoemde tool wordt de uitvoer als volgt weergegeven:



Zo voert u Bootstrap 1-Sample uit
De handleiding is als volgt:
- Meld u aan bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Hypothesis Test >Bootstrap 1-Sample .
- Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad en plak (Ctrl+V) ze hier.
- Vul de vereiste opties in.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van Bootstrap 1-Sample is het venster in twee delen verdeeld.

Links bevindt zich het Data Pane. In het Data Pane vormt elke rij één subgroep. Gegevens kunnen handmatig worden ingevoerd, of u kunt de gegevens volledig kopiëren (Ctrl+C) uit een Excel-blad en hier plakken (Ctrl+V).
Load example: Er worden voorbeeldgegevens geladen.
Load File: Hiermee laadt u Excel-gegevens rechtstreeks.
Rechts staan de volgende opties:
- Sample: Selecteer de kolom met de ruwe gegevens die u wilt analyseren. Dit is de oorspronkelijke dataset waaruit de bootstrap-herbemonsteringen herhaaldelijk met teruglegging worden getrokken. De kwaliteit en representativiteit van deze kolom bepalen rechtstreeks de betrouwbaarheid van de bootstrapschattingen — een vertekende of niet-representatieve steekproef levert vertekende bootstrapresultaten op. Dit veld is verplicht.
- Statistic: Selecteer de statistische maat die u wilt schatten en waarrond u een betrouwbaarheidsinterval wilt bouwen. Er zijn vijf opties beschikbaar:
- Mean — schat de gemiddelde waarde van de populatie en bouwt daarrond een betrouwbaarheidsinterval. De meest gebruikte optie voor algemene procesanalyse.
- Median — schat de middelste waarde van de populatie. Geschikter dan het gemiddelde wanneer gegevens scheef zijn of uitschieters bevatten, omdat de mediaan minder gevoelig is voor extreme waarden.
- Sum — schat de totale som van alle waarden in de populatie. Nuttig wanneer het cumulatieve totaal de praktisch interessante grootheid is.
- Variance — schat de spreiding van de populatie, uitgedrukt als het kwadraat van de standaardafwijking. Nuttig wanneer inzicht in de totale variabiliteit het hoofddoel is.
- Standard Deviation — schat de typische spreiding van individuele waarden rond het gemiddelde. Beter interpreteerbaar dan de variantie, omdat ze in de oorspronkelijke meeteenheden wordt uitgedrukt.
- Number of Resamples: Voer het aantal keren in dat de tool uw gegevens willekeurig met teruglegging herbemonstert om de bootstrapverdeling op te bouwen. Dit veld is verplicht. Voor basisanalyses wordt een minimum van 1,000 herbemonsteringen aanbevolen, en 5,000 tot 10,000 heeft de voorkeur voor nauwkeurigere en stabielere schattingen van het betrouwbaarheidsinterval. Meer herbemonsteringen geven vloeiendere, betrouwbaardere resultaten maar vragen iets meer rekentijd.
- Confidence Level: Stelt het zekerheidsniveau van het bootstrap-betrouwbaarheidsinterval in. De standaardwaarde is 95%, wat betekent dat u er voor 95% zeker van bent dat de werkelijke populatiestatistiek binnen het berekende interval valt. Verhogen naar 99% geeft een breder interval met meer zekerheid; verlagen naar 90% geeft een smaller interval met minder zekerheid.
- Type of Interval: Bepaalt de vorm en richting van het betrouwbaarheidsinterval. Er zijn drie opties beschikbaar:
- Two-Sided — levert zowel een onder- als een bovengrens op en vormt zo een volledig interval rond de statistiek. Gebruik dit wanneer u wilt weten hoe ver de werkelijke waarde in beide richtingen kan liggen — dit is de standaardinstelling voor de meeste analyses.
- Lower Bound — levert alleen een ondergrens op en toetst of de werkelijke statistiek boven een bepaalde waarde ligt. Gebruik dit wanneer alleen een minimumdrempel telt — bijvoorbeeld om te bevestigen dat een procesgemiddelde minstens een opgegeven waarde is.
- Upper Bound — levert alleen een bovengrens op en toetst of de werkelijke statistiek onder een bepaalde waarde ligt. Gebruik dit wanneer alleen een maximumdrempel telt — bijvoorbeeld om te bevestigen dat de variabiliteit een aanvaardbaar niveau niet overschrijdt.
- Method: Bepaalt de wiskundige aanpak waarmee het bootstrap-betrouwbaarheidsinterval uit de herbemonsterde verdeling wordt berekend. Er zijn drie opties beschikbaar:
- Bias-Corrected-Accelerated (BCa) — de nauwkeurigste en voor de meeste situaties aanbevolen methode. Ze corrigeert automatisch voor zowel bias (systematische fout in de bootstrapschatting) als scheefheid in de bootstrapverdeling en levert het betrouwbaarste betrouwbaarheidsinterval, vooral wanneer de verdeling van de statistiek niet symmetrisch is.
- Percentile — gebruikt de directe percentielen van de bootstrapverdeling om de intervalgrenzen te bepalen. Eenvoudig en intuïtief, maar corrigeert niet voor bias of scheefheid — geschikt wanneer de bootstrapverdeling ongeveer symmetrisch en zonder bias is.
- Basic — ook de gereflecteerde-percentielmethode genoemd; ze keert de percentielgrenzen om om op een eenvoudige manier voor bias te corrigeren. Betrouwbaarder dan de gewone percentielmethode wanneer de bootstrapverdeling lichte asymmetrie vertoont.
- Download as Excel: Exporteert de bootstrapresultaten, inclusief de waargenomen statistiek en het bijbehorende bootstrap-betrouwbaarheidsinterval, naar een Excel-bestand voor rapportage, delen met collega's of het bijhouden van een formeel dossier van de analyse.
Veelgestelde vragen
Wat is een eensteekproef-bootstrap?
Een eensteekproef-bootstrap schat de steekproefverdeling van een statistiek, zoals het gemiddelde, de mediaan of de standaardafwijking, door herhaaldelijk willekeurige steekproeven met teruglegging uit de oorspronkelijke gegevens te trekken. Elke herbemonstering is even groot als het origineel en de statistiek wordt voor elke herbemonstering opnieuw berekend, wat een verdeling oplevert waarmee een betrouwbaarheidsinterval wordt opgebouwd zonder een verdeling van de gegevens te veronderstellen.
Wanneer gebruikt u bootstrapping in plaats van een t-toets?
Gebruik bootstrapping wanneer de gegevens niet voldoen aan de aanname van normaliteit, wanneer steekproeven klein zijn en normale benaderingen onbetrouwbaar zijn, of wanneer u een interval nodig hebt voor een statistiek zonder eenvoudige formule, zoals de mediaan. Als de gegevens normaal verdeeld zijn en de steekproefomvang voldoende is, is een eénsteekproef-t-toets efficiënter.
Hoeveel bootstrap-herbemonsteringen hebt u nodig?
Gebruik minstens 1,000 herbemonsteringen voor basisanalyses en bij voorkeur 5,000 tot 10,000 voor stabiele, nauwkeurige betrouwbaarheidsintervallen. Meer herbemonsteringen geven vloeiendere resultaten maar duren iets langer. Resultaten kunnen per run licht verschillen door willekeurige herbemonstering, dus met een vaste random seed zijn gerapporteerde resultaten reproduceerbaar.
Welke bootstrapmethode voor het betrouwbaarheidsinterval kiest u?
Bias-Corrected-Accelerated (BCa) wordt voor de meeste situaties aanbevolen, omdat ze corrigeert voor bias en scheefheid in de bootstrapverdeling. De methode Percentile gebruikt de percentielen van de verdeling rechtstreeks en past bij ongeveer symmetrische situaties zonder bias. De methode Basic, of gereflecteerde percentielmethode, corrigeert eenvoudig voor bias en gaat beter om met lichte asymmetrie dan de gewone percentielmethode.
