问题标签 [statistics-bootstrap]

如果可能，请帮助我加快下面的引导代码。

我知道我可以使用引导包，但我的目标是磨练我在基础 R 方面的技能

我有一个包含值和绝对频率的简单数据集，如下表所示：

现在我想计算频率表，例如：

最后一步，我想用 matlab计算引导 CI 。我在数据集中有很多行。

我已经通过grpstatsMatlab 中的命令计算了频率表，但我不知道如何boostrp在 matlab 的函数中使用它。

任何帮助或建议将不胜感激。

我想按组获取长数据的引导统计信息。

有没有一种简单的方法可以以下表的形式从输出中提取引导统计信息（平均值和标准误差）？

谢谢，

I am a novice to R and I can’t figure out a solution to my problem.

Imagine that I have created three normally distributed variables, x, y and z (n=100 in each with a mean of 0 and a sd of 1). The variables are independent from each other (r~0). Then I create two new variables xz and yz (i.e the interaction between x, z and y, z.).

Now assume that I want to keep x and y fixed and randomly sample from z (or create a new z) before the interactions are computed and, after every new random sample from z, compute the interactions and calculate the correlation coefficient between them (for the sake of argument lets say I want to do this 100 times) and print the 100 correlations to a new datafile for further analysis. How to I achieve this?

作为 RI 的新手，很难引导 ICC 输出。我首先设法使用包 ICC 计算“正常”ICC，没有任何问题（ICCbare（主题，变量，icc）），但是当我试图获得一些自举估计时，情况变得更糟......

我从

并在bootstrap中输入icc_boot如下图：

但是我收到一条错误消息，说“选择了未定义的列”，我哪里出错了？

这是我的数据的一小部分输出

结构（列表（subject_id = c（2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 201） 2001、2001、2001、2001、2001、2001、2001、2001、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002， 2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003，2003年2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004，2004年2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005，2005年2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005,2005，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，1006，2006， 2006、2006、2006、2006、2006、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007，2007年2007、2007、2007、2007、2007、2007、2007、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008，2008年2008、2008、2008、2008、2008、2008、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009，2009年2009、2009、2009、2009、2009、2009、2009、2009、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2014, 2014, 2014, 2014, 2014, 2014,2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015 2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016 2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018 2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019 2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020，2020年2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020,2020, 2020, 2020, 2020, 2020, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026,2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029、2029、2029、2029、2029、2029、2029、2029、2029、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030， 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2033, 2033, 2033, 2033,2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033) , interval_0_epochs = c(7139, 7964, 7775, 6756, 6075, 7184, 7965, 4730, 5957, 7574, 5649, 6496, 9266, 5052, 7090, 7680, 6992, 7151, 6010,4,78,2,6,7,7,8,2,7,6 ，7311、7636、7015、7482、8860、6997、9034、9553、8326、10015、10252、8463、8612、8388、7648、7648、7648、9503、9978 , 8468, 8899, 8984, 10304, 10064, 10398, 9193, 9331, 6866, 7423, 7745, 8525, 7362, 9115, 9509, 8804, 8726, 8668, 8361, 8513, 7670, 9077, 7375, 8148, 5897 , 5507, 6321, 7695, 6222, 9024, 7096, 6490, 6319, 6142, 5225, 6081, 6314, 6391, 7319, 7598, 7921, 7324, 9289, 8792, 7980, 6650, 9045, 7896, 11727, 5953 , 7087, 7624, 9317, 8086, 8307, 9486, 7380, 6613, 7033, 8647, 8366, 8418, 7721,7516, 7337, 9151, 8360, 8149, 8172, 8697, 7589, 7563, 7780, 7108, 8080, 9582, 8381, 6790, 7983, 7047, 8986, 8643, 8941, 7422, 7403, 8101, 8563, 8375, 9329，7192，9250，8455，9013，8342，8889，7306，9580，9110，8256，8547，8547，8852，9636，8893，8893，5919 9280, 9893, 9603, 8839, 6793, 9207, 6338, 8098, 9792, 8984, 8139, 7523, 7976, 7085, 9578, 9935, 5320, 5766, 5379, 5486, 8777, 7699, 8868, 6066, 7084, 6751, 8531, 8740, 8666, 8641, 7429, 8089, 9053, 9535, 8384, 8616, 9236, 6682, 9290, 9121, 7705, 8984, 7770, 8059, 7396, 7239, 7165, 8142, 8547, 8541, 6333、6738、7727、6161、7610、9438、6989、9837、7362、10216、7489、6298、7429、7429、8232、8232、11105、11105、9298、9894 8208、6622、8778、8957、6581、5673、9307、9508、8102、8919、8062、7506、7336、8108、7289、7981、7178, 7832, 8883, 7385, 7457, 9251, 7352, 8616, 8627, 9424, 8164, 8165, 5929, 8102, 7898, 5869, 7621, 7810, 7036, 9570, 9641, 9374, 9176, 7041, 8969, 10233，7924，9788，7966，8258，8258，8052，8032，6406，9471，5572，8715，9241，8367，8131，8131，8436，8436，8436，6280 7785、7505、7725、8303、8562、10182、7215、7741、9008、7688、9240、9275、8710、6537、5577、5577、9483、9483、7891 8229，9448，7637，6615，7959，9973，7997，6366，6227，8287，8225，6409，7757，7847，7847，7847，8833，7231，7231，7231，9390，9390，8580，8580 7740, 8837, 7505, 6812, 7441, 8182, 10256, 10006, 10039, 5824, 7456, 8994, 8455, 9557, 9335, 9455, 9202, 6225, 9778, 8514, 8623, 7856, 7466, 6204, 8513, 8222、8059、8708、8562、8495、9074、7950、5699、7206、6195、8916、5548、7735、6529、6950、7749, 6069, 11814, 9947, 8095, 5562, 6545, 7928, 7363, 5744, 8539, 11186, 9010, 6770, 6353, 8728, 6658, 9627, 7557, 9935, 9522, 8999, 9101, 8817, 7560, 7496，8383，7928，8621，8909，6526，8412，6986，6430，6430，7060，6658，7318，7318，9233，7737，7737，6494，6525 6545, 7386, 8398, 7715, 7371, 7020, 7102, 5490, 7439, 7970, 8951, 7907, 8338, 6628, 7355, 7263, 7143, 6317, 7054, 8820, 7769, 8847, 8375, 7718, 7145, 8409, 7299, 7330, 6336, 6645, 8336, 6615, 8552, 9186, 7450, 8100, 8839, 9340, 10206, 8046, 9019, 7946, 7132, 8855, 9794, 8526, 6787, 8849, 8543, 7010, 8509, 8985, 10006, 7851, 7777, 7715, 7654, 8957, 7865, 9502, 7920, 7096, 8862, 8533, 9430, 8213, 10100, 8090, 6765, 8363, 8190, 8202, 7147, 9803, 8623, 8018、8007、8577、7853、9258、8648、6743、8122、7506、8103、8353、9713、9234、8536、7996、7801、8101、7831、8615、5582、6412、7942、7756、8055、7733、9139、6097、6522、8634、6966、6966、8747 7036, 6447, 6842, 7263, 7933, 8341, 8561, 8260, 7014, 7736, 7140, 9504, 8168, 7849, 7569, 5815, 7675, 8182, 8645, 8136, 8825, 7330, 6910, 8251, 7572, 7488，7942，7405，8453​​，7153，6338，9165，9165，9081，9906，10001，13219，6428，8828，8823，8823，8095，7829，7829，7829，6467，6490，9490 7845, 7492, 8920, 8471, 9309, 8894, 10783, 6277, 9295, 8056, 7700, 8387, 7652, 8966, 8037, 6797, 7036, 8350, 8173, 8377, 8089, 8515, 8950, 8549, 6849, 8293、6532、8928、7450、8357、8742、8255、7542、8289、9325、7570、7743、7104、7844、8656、8656、8301、8301、8481 5938、4595、7965、8776、7360、8822、6776、4204、8615、7717、8500、7300、4311、6504、7568、6402, 8955, 9376, 9580, 7262, 6800, 7713, 8651, 8459, 7432, 7706, 9216, 8085, 9191, 8001, 7503, 8905, 8036, 8882, 6344, 10359, 5644, 6319, 7890, 6502, 6354，9649，7130，8179，6596，7122，7122，8357，7465，8471，7603，7603，9387，7391，6547，7959，7137，7137，8401 6143, 6586, 8742)), .Names = c("subject_id", "interval_0_epochs"), row.names = c(NA, 725L), class = "data.frame")名称= c（NA，725L），类=“data.frame”）名称= c（NA，725L），类=“data.frame”）

我有类似这样的数据：

x = 0:0.1:10; y = exppdf(x,2); plot(x,y, 'o')

然后我想要一些重新采样的数据靠近它们，但是当我使用下面的命令时，重新采样的数据与原始数据相差甚远！

[resampling, bootsam]=bootstrp(100, 'corr', x,y); plot(x,y(bootsam(:,100)), 'r*')

请你帮助我好吗？我想我需要在 bootstrp 命令中更改选项“corr”。

我也试过这个：

plot(x(bootsam(:,100)),y(bootsam(:,100)), 'r*')但这与我的数据完全相同！我想以 95% 的置信区间重新采样我的数据。但似乎这个命令 bootstrp 不能单独工作，它需要一些功能或其他命令组合。你能帮我弄清楚吗？

我想随机生成一些数据，但在原始数据周围表现得像我的函数，我附上了一个图，其中原始数据为红色，重新采样的数据为蓝色和绿色。

一般来说，我想使用引导程序来查找我最适合的参数的错误。我在这本书中读到：http: //books.google.de/books ?id=ekyupqnDFzMC&lpg=PA131&vq=bootstrap&hl=de&pg=PA130#v=onepage&q&f=false 其他错误分析方法我的拟合参数表示赞赏。

我正在尝试为一组非随机分布且向右偏斜的数据创建置信区间。冲浪时，我发现了一种非常粗鲁的方法，即对上限 CL 使用 97.5% 的百分位数（我的数据），为你的下限 CL 使用 2.5% 的百分位数。不幸的是，我需要一个更复杂的方法！

然后我发现了bootstrap，确切地说是 MATLAB bootci 函数，但我很难理解如何正确使用它。

假设这M是包含我的数据（19x100）的矩阵，假设：

如何使用 bootci为向量的每一行计算不对称CI？Mean

注意：之前，我以这种非常错误的方式计算 CI：，真Mean +/- 2 * StdDev丢脸！

我知道如何在 R 和 Matlab 中计算 CI，但是对于一个新的 webapp，我想使用一些 c++ 代码或 c#，以便更轻松地实现。

一个非常简单的方法是使用第 5 个和第 95 个分位数作为置信区间界限。分位数计算的代码示例如下： http ://cplusplus.happycodings.com/Beginners_Lab_Assignments/code52.html

我的问题是：您是否有一些 c++ 或 c# 代码用于使用 BCa 计算 CI？

使用包计算引导置信区间时收到以下错误消息"boot"：

仅当我想计算特定变量的国家/地区的 spearman 相关系数的引导置信区间时才会出现此错误，因此不容易重现。对于许多变量，代码运行良好，但对于这个特定的变量，我得到了上述错误消息。到目前为止，这个特定的变量并没有在其他任何地方给我带来任何麻烦，这让我怀疑它与这个变量有关。任何人都可以给我一个关于上述错误消息可能暗示什么的提示吗？