statistics-bootstrap

1熱度

1回答

我試圖創建一組數據的置信區間而不是隨機分佈和非常傾斜在右邊。衝浪時，我發現了一個非常粗魯的方法，其中包括使用97.5％百分點（我的數據）用於上限CL和2.5％百分點用於較低CL。不幸的是，我需要更復雜的方式！然後我發現了bootstrap，精確的MATLAB bootci函數，但我很難解決如何正確使用它。假設M是包含我的數據（19×）我的矩陣，讓我們說： Mean = mean(M,2);

0熱度

1回答

與isplit

塊引導我有以下示例數據集 Sites<-c("A","A","B","B","B","C","C","C") TR<-c(0.1,0.4,0.4,0.3,0.3,0.6,0.5,0.5) df<-data.frame(Sites,TR) 我想由變量到子集的行「站點」，然後引導每個站點捕集率（TR）。我曾嘗試使用下面的代碼 require(iterators) sites<-isplit(

1熱度

1回答

引導樣本並生成標準錯誤（SE）的函數

我有100個概率與我在此處創建並顯示的四個獨特個體（AAA：DDD）關聯。 IndID <- as.factor(rep(c("AAA", "BBB", "CCC", "DDD"),25)) Prob <- runif(length(IndID),0,1) Data <- data.frame(IndID, Prob) Data <- Data[order(Data$IndID),] >

1熱度

1回答

Matlab Bootstrap不完整重採樣

我想在Matlab中執行bootstrap。我有100個原始數據點，我希望每次引導的迭代只隨機選擇57個點進行替換。我如何完成它？我似乎無法在Matlab函數bootstrp中找到此功能。問候，

2熱度

1回答

LC50計算

我試圖從自舉GLM輸出列表計算LC50 我有自舉GLM的列表中（稱爲結果）這樣的輸出：（我只是把使用dose.p從MASS包我試圖計算LC50爲已經運行模型中的每個單獨的輕鬆，而不是整個列表） $thetastar[[100]] Call: glm(formula = dead[x] ~ concentration[x] + factor(female.no[x]), family = b

3熱度

1回答

按組提取引導程序統計信息

我想按組獲取引導程序統計信息以獲取長數據。是否有一種簡單的方法從下面給出的表格形式的輸出中提取引導程序統計信息（平均值和標準錯誤）？ data <- data.frame(list(value = runif(300), group = factor(letters[1:4]))) stat <- function(x, i) c(m1 = mean(x$value[i]))

7熱度

1回答

重複1000次的重新採樣功能？使用lapply？

請我出去！我感謝任何幫助！謝謝！我有重複做重新取樣1000次的麻煩。我嘗試使用replicate（）來做到這一點，但它不工作。有沒有其他方法可以做到這一點？任何人都可以告訴我，如果這可能通過使用lapply完成？以下是我的代碼： #sampling 1000 betas0 & 1 (coefficients) from the data get.beta=function(data,ind

0熱度

1回答

Jaccard集羣置信區間

我希望有人會給我如何使用R從一個Jaccard集羣獲得置信區間的建議。我有從1970年代和今天在四個地點的物種數據。當我運行下面的代碼時，我得到一個很棒的圖表，表明我現在的某個網站比另一個網站更接近歷史。我相信人們會問關於重要性。我在系統發育樹上看到了類似的置信區間，但我不確定如何獲得這些結果。我假設我使用bootstrap測試來做到這一點，但我不確定如何從boot（）獲取結果或如何將它們放到我的

1熱度

1回答

R - 通過自引導線性模型計算R平方和殘差標準誤差的95％置信區間

我是R新手，正試圖計算R平方值和殘差標準誤的95％置信區間通過使用自舉方法重新採樣響應變量，然後通過在原始解釋變量上回歸這999個自舉響應變量創建999個線性模型，已經形成了線性模型。首先，我不確定是否應該計算原始線性模型（沒有引導數據）的R平方和殘差標準誤的95％CI，因爲這沒有意義 - 對於該線性模型，R平方值是100％精確的，並且爲它計算CI是沒有意義的。這是正確的嗎？重要的是，我不知道

7熱度

1回答

快速（ER）的方式

最重要的，我在尋找子集的快速（ER）的方式/索引矩陣很多很多次m實現了一個涉及R的引導程序的順序測試過程。想要複製一些仿真結果，我遇到了這個瓶頸，這是需要進行大量索引的瓶頸。爲了實現塊引導程序，我創建了一個索引矩陣，通過該索引矩陣我可以將原始數據矩陣子集繪製爲數據的重採樣。 # The basic setup B <- 1000 # no. of bootstrap replications