Question

我是R的新手，我发现使用启动功能生成参数自举样本有点困难。我已经计算了weibull分布的mle参数，现在我需要生成500个重复。

到目前为止我已经这样做了

#givenData is of this form--->  int [1:2546] 69 49 40 33 33 .....
library("boot")
library("MASS")
library("fitdistrplus")
library("actuar")


statFunc = function(d, i)
{
  d2 = d
  return(mean(d2[i]))
}

#givenData is the observed data to which I am fitting a weibull distribution
fitWeibull = fitdist(givenData, "weibull")
mleParams = c(fitWeibull$estimate["shape"], fitWeibull$estimate["scale"])


#mleParams is a list - mleParams[1] is shape, mleParams[2] is scale
pBootFunc = function(d, mle)
{
  out <- d
  out$param <- rweibull(length(out), mle[1], mle[2])
  out
}

# data has two columns - "serialNum" and "pre" (pre has integer values)
pbootstrap = boot(givenData, statFunc, R = 2, sim = "parametric", ran.gen = pBootFunc, mle = mleParams)

pVal = boot.array(pbootstrap, indices = T)

当我运行它时，我认为“boot.array中的错误（pbootstrap，indices = T）：无法找到参数自举“

的数组

我希望pVal包含bootstrap重复。我该怎么做？

Answer 1

1）用于参数自举由于您已经知道了分布的mle参数，因此您可以使用＆＃34; rweibull＆＃34;产生随机偏差。并且您可以使用for循环生成这些变量500次

library(boot)

for( i in 1:500 )
{
    currentIterVariates = rweibull(length(out), mleShape, mleScale)
}

如果要存储所有500个样本，请初始化矩阵，然后将值存储在那里。

2）非参数型引导程序（由于问题的标题，我写这篇文章）

library(boot)

#assume func is written, it will be similar to your statFunc

npBootstrap = boot(data, func, R=500)
samples = boot.array(npBootstrap, indices = T)

#the required resamples will be present in samples matrix (500 x length(data) matrix)

Answer 2

以下是指示正态分布的参数引导程序的有用代码：我对值进行了百分位数

B <- 1000
n <- 50
bs <- rep(NA, B)
for (b in 1:B) {
sample <- rnorm(n, mean=earlier.estimate.of.mean, sd= earlier.estimate.of.sd)
m <- fitdistr(sample, "normal")
bs[b] <- m$estimate[1]+m$estimate[2]*qnorm(0.99)

您也可以使用mvrnorm进行此操作，但随后必须使用协方差矩阵

在R中生成参数和非参数自举样本

2 个答案: