问题标签 [statistics-bootstrap]

我想在 Matlab 中执行引导程序。我有 100 个原始数据点，我希望引导程序的每次迭代都随机选择 57 个替换点。我该如何完成它？

我似乎在 Matlab 函数中找不到这个功能bootstrp。

问候，

我正在尝试从引导的 GLM 输出列表中计算 LC50

我将引导 GLM 的输出放在一个列表（命名结果）中，如下所示：（为了方便起见，我刚刚放入了最后一个结果，而不是整个列表）

dose.p从包中使用MASS我正在尝试为已运行的模型中的每个人计算 LC50

返回

据我了解，这是我放入factor(female.no[x])3.的LC50，我认为它是第2 列和第 3 列，以及dose.pcf = c(2,3)concentrationfactor(female.no[x])3.

这个对吗？

其次：

有没有一种方法可以为每个女性获得 LC50，即factor(female.no[x])3, factor(female.no[x])4等等 factor(female.no[x])7，我不知道如何dose.p在不手动更改代码的情况下根据不同的变量进行工作cf=：

最后：我的结果存储在一个列表中，我如何才能dose.p沿着列表工作，它会是这样的：

谢谢你的帮助

So I'm taking N bootstrap samples and training N logistic regression classifiers on these samples. Each classifier gives me some probability of being in a binary class and then I average these N probabilities to get a final prediction.

My question is if I took the N sets of regression coefficients and averaged those and used that averaged set of coefficients in a logistic regression classifier and took the output probability as the final prediction, is this the same as taking the average of the resultant N probabilities as described in the previous paragraph?

我有以下示例数据集

我想通过变量“站点”对行进行子集化，然后引导每个站点陷阱率（TR）。我尝试使用以下代码

但这只是返回

理想情况下，我希望每个站点都有一个带有 meanTraps 的数据框。任何人都可以帮助纠正我的错误吗？

所以我发布了一个关于这个问题的帖子，但它被搁置了。所以我改写了，所以它可能是一个编程问题。这是我下面的代码。我正在尝试使用引导程序找到样本的受刺激置信水平。

# 第一步：从对数正态分布生成数据

# 第二步：计算 B=1000 的 95% Bootstrap CI

如果您执行此代码，您可以看到输出是 975.025，而实际上它应该是 0。90。我不明白为什么我的输出是错误的。

我们不是试图找到置信区间，而是寻找刺激的置信水平。实际覆盖率（通过模拟获得）与名义置信水平（即 95%）相比如何？这是我在练习题中给出示例时的代码......

我是 R 新手，我可能需要一些帮助。

我已经获得了 y ~ z 的 lm 回归的标准误差和 p 值。现在我想做一个引导程序并比较结果。到目前为止，我只能找到以下用于引导 R 平方值的代码：

我不知道如何返回 z 系数的标准误差而不是 R 平方。$r.squared将循环的最后一行替换为$sd不会成功。$sd(z)类似的事情也不会起作用。

我希望有人能给我建议如何使用 R 从 Jaccard 集群中获取置信区间。我有 1970 年代和今天在四个地点的物种数据。当我运行以下代码时，我得到了一个很好的图表，显示我现在的一个站点比另一个站点更接近历史。我相信人们会问重要性。我在系统发育树上看到过类似的置信区间，但我不确定如何获得这些结果。我假设我通过引导测试执行此操作，但我不确定如何从 boot() 获取结果或如何将它们放在我的集群图上。任何建议将不胜感激。

我制作集群的代码：

然后我用 3 列、站点 1、站点 2 和两个站点的 jaccard 索引制作了 jaccard 结果的 .csv。

jaccardboot <-read.csv("/users/Victoria/Desktop/Stat Documents/jaccardboot.csv", header = TRUE)

结果

我得到：错误启动（数据= jaccardboot，统计= bs，R = 100，公式= site1〜：要替换的项目数不是替换长度的倍数另外：有50个或更多警告（使用警告（）查看前 50 个）

如何通过基本自举置信区间和学生化自举区间计算 T.hat 的 95% 自举置信区间？

谢谢！

我有一个 50,000,000 行的数据文件，需要使用 Java 引导每一行。现在我正在使用 Math.random() 生成随机数，然后以蛮力的方式进行引导。然而，这将带我永远。所以我想知道是否有任何 Java 库可以帮助有效地做到这一点，或者我应该在 Java 中调用其他语言吗？无论如何，我的目标是优化整个过程。谢谢！

我正在编写一个自定义脚本来引导 R 中 GLM 中的标准错误并收到以下错误：

eval 中的错误（predvars，data，env）：数字“envir”arg 长度不为 1

有人可以解释我做错了什么吗？我的代码：

一个例子：如果我们假设 sims = 1000 并且我们想要 10 列（假设我们有 x1...x10 而不是 x1 和 x2），那么目标是一个包含每个解释变量的 SE 的 1,000 行和 10 列的数据集。