没有统计工具箱的Bootstrap计算

Question

我试图在不使用统计工具箱的情况下在MATLAB中使用bootstrap技术。

我的数据集是一个2 x 50矩阵，第1列是月，第2列是沉淀。值。我使用这个脚本计算了均值，标准偏差和偏度系数：

yr = x(:,1);
p = x(:,2);
x_hat = mean(p);
sd = p-x_hat;
s = sqrt((1/(n-1)) .* (sum((sd).^2)));
skew = ((1/(n-1)) .* (sum((sd).^3))/(s.^3));

我需要b）遍历我想要的引导计算次数（10000），并使用该循环k，

c）从原始数据中随机选择N个值的子集（建议使用随机数生成器乘以N，然后舍入以得到整数）。

一旦我有N， d）我将计算（并存储）每个k的所需统计量，

e）将存储的矢量从最低到最高排序

f）然后找到切断最低0.025和最高0.025的值。

任何建议都会很棒。

Answer 1

这归结为从[1, N]抽取随机样本，其中N是每次试验所需的样本编号。然后，使用k个不同的排列直接索引数据矩阵的列。示例（样本= 50，试验= 1000，子集= 40）：

x = randn(2, 50); % example data matrix
N = 50; nTrials = 1000; nSamples = 40;   

要生成不重复的样本，或不带替换的采样，您可以使用调用rand的{​​{3}}。

for k = 1:nTrials
  indexSample(:,k) = randperm(N, nSamples);      
end    

如果您希望带有替换的采样（即用于引导程序），请将对randperm的调用替换为：

indexSample(:,k) = round(N*rand(nSamples, 1))

并相应地增加nSamples。

每个试验的数据样本集（例如k = 1）是：

xk = x(:, indexSample(:,k)) % sample data for trial k