Question

我有一个包含15个密度计算的数据集，每个都来自不同的横断面。我想用替换重新采样这些，取15个横断面中15个随机选择的样本，然后得到这些重新采样的平均值。在这个过程中，每个样带都应该有自己的个人采样概率。这应该做5000次。我有一个代码，它不使用启动功能，但如果我想使用启动包计算BCa 95％CI，它需要首先通过启动功能完成引导。我一直在尝试创建一个函数但我不能得到任何似乎工作。我希望引导程序从某个列中选择（数据$ xs），并且要使用的概率在列数据$ prob中。

我认为可能有用的功能是;

library(boot)
meanfun <- function (data, i){
    d<-data [i,]
    return (mean (d))   }
bo<-boot (data$xs, statistic=meanfun, R=5000)
#boot.ci (bo, conf=0.95, type="bca")  #obviously `bo` was not made

但是这告诉我“维数不正确”

我理解如何在正常意义上创建一个函数，但是这个函数在启动时是如何工作的似乎很奇怪。由于该函数仅用于按名称引导，并且没有指定要传递给函数的参数，我似乎仅限于引导本身作为参数传入的内容（例如，我无法将数据$ xs in作为参数传递给数据，我无法传递数据$ prob作为概率的参数，等等）。它似乎真的限制了可以做的事情。也许我错过了一些东西？

感谢您提供的任何帮助

Answer 1

出现此错误的原因是data$xs返回了一个向量，然后您尝试按data [i, ]进行子集化。

解决此问题的一种方法是将其更改为data[i]或使用data[, "xs", drop = FALSE]。 drop = FALSE避免类型强制，即。将其保留为data.frame。

我们尝试

data <- data.frame(xs = rnorm(15, 2))

library(boot)
meanfun <- function(data, i){
  d <- data[i, ]
  return(mean(d))   
}
bo <- boot(data[, "xs", drop = FALSE], statistic=meanfun, R=5000)
boot.ci(bo, conf=0.95, type="bca")

并获得：

BOOTSTRAP CONFIDENCE INTERVAL CALCULATIONS
Based on 5000 bootstrap replicates

CALL : 
boot.ci(boot.out = bo, conf = 0.95, type = "bca")

Intervals : 
Level       BCa          
95%   ( 1.555,  2.534 )  
Calculations and Intervals on Original Scale

Answer 2

一个人可以使用boot.array提取全部或部分重采样集。在这种情况下：

bo.ci<-boot.ci(boot.out = bo, conf = 0.95, type = "bca")


resampled.data<-boot.array(bo,1)

要提取第一组和第二组重采样数据：

resample.1<-resampled.data[1,]
resample.2<-resampled.data[2,]

然后继续从任何子集中提取所需的单个统计信息。例如，如果您假设正常，则可以在第一个子集上运行学生的t.test：

t.test(resample.1)

在此示例中，特定的种子值给出：

数据：重新采样。1
t = 6.5216，df = 14，p值= 1.353e-05
替代假设：真实均值不等于0
95％置信区间：
5.234781 10.365219
样本估算值：
x的均值
7.8

r resampling boot.array

引导样本表示在R中使用boot Package，为boot（）函数创建统计函数

2 个答案: