Оценка неопределенности и смещения путем исключения по одному наблюдению за раз.Метод складного ножа (jackknife) — это статистическая техника для оценки смещения и дисперсии оценки без сильных предположений о распределении данных. Идея проста: многократно пересчитываем оценку, каждый раз исключая одно наблюдение. Сравнивая эти оценки «без одного» с полной оценкой, можно количественно оценить, насколько каждое наблюдение влияет на результат, и получить меру неопределенности.
Метод складного ножа был предложен Морисом Кенуем в 1949 году и развит Джоном Тьюки в 1950-х, который дал ему название — отсылка к многофункциональному инструменту, так как метод универсален и прост.
Для набора данных из n наблюдений вычисляется интересующая статистика (например, среднее, медиана или коэффициент регрессии) n раз, каждый раз пропуская одно отдельное наблюдение. Это дает n «складных» оценок. Среднее этих оценок, сравненное с оценкой по полным данным, дает оценку смещения. Дисперсия складных оценок, умноженная на (n−1)/n, дает оценку стандартной ошибки. Метод вычислительно дешев и хорошо работает для гладких статистик, хотя может быть менее надежным для негладких, таких как медиана.
Используется в экологии (оценка индексов видового разнообразия), экономике (оценка коэффициентов регрессии) и машинном обучении (оценка стабильности модели), особенно когда аналитические формулы для стандартных ошибок недоступны.
Метод складного ножа является частным случаем бутстрэпа, но он детерминированный — в отличие от бутстрэпа, использующего случайную передискретизацию, складной нож всегда дает один и тот же результат для данного набора данных.
