文档帮助中心文档
引导置信区间
ci = bootci(nboot,bootfun,d)
ci = bootci (nboot bootfun, d1,…,dN)
ci = bootci (nboot {bootfun d},名称,值)
ci = bootci (nboot {bootfun, d1,…,dN},名称,值)
(ci, bootstat) = bootci (___)
例子
ci= bootci (nboot,bootfun,d)计算由该函数计算的每个统计量的95%引导置信区间bootfun。的bootci功能使用nbootBootstrap样本的计算,并创建每个Bootstrap样本的抽样与替换从行的d。
ci= bootci (nboot,bootfun,d)
ci
nboot
bootfun
d
bootci
ci= bootci (nboot,bootfun,d1,......,dñ)通过从非标量数据参数的行中进行抽样和替换,创建每个引导程序示例d1,…,dN。这些非卡尔参数必须具有相同数量的行。的bootci函数将非标量数据的样本和未改变的标量数据参数传入d1,…,dN来bootfun。
ci= bootci (nboot,bootfun,d1,......,dñ)
d1,…,dN
ci= bootci (nboot,{bootfun,d},名称,值)使用一个或多个名称-值参数指定选项。属性可以更改置信区间的类型“类型”名称-值参数。
ci= bootci (nboot,{bootfun,d},名称,值)
名称,值
“类型”
请注意,您必须通过bootfun和d争论到bootci作为单个单元数组。
ci= bootci (nboot,{bootfun,d1,......,dN},名称,值)使用一个或多个名称-值参数指定选项。例如,可以通过指定置信区间的显著性级别'Α'名称-值参数。
ci= bootci (nboot,{bootfun,d1,......,dN},名称,值)
'Α'
请注意,您必须通过bootfun和d1,…,dN争论到bootci作为单个单元数组。
(ci,bootstat) = bootci (___)还返回为每个计算的引导统计数据nboot引导程序复制示例,使用前面语法中的任何输入参数组合。每一排bootstat包含应用的结果bootfun到一个引导样例。
(ci,bootstat) = bootci (___)
bootstat
全部收缩
计算统计过程控制能力指标的置信区间。
从均值为1,标准差为1的正态分布中生成30个随机数。
RNG(“默认”)%的再现性y = normrnd(1, 1, 30岁,1);
指定工艺的规格下限和上限。定义能力索引。
LSL = 3;USL = 3;= @ (x)能力(USL-LSL)。/(6 *性病(x));
利用2000个自助样本计算能力指数的95%置信区间。默认情况下,bootci采用偏差修正加速百分位法构造置信区间。
ci = bootci(2000,有能力,y)
ci =2×10.5937 - 0.9900
计算能力指数的学习置信区间。
sci = bootci(2000年{能力,y},“类型”,“学生”)
sci =2×10.5193 0.9930.
计算非线性回归模型系数的引导置信间隔。在该示例中使用的技术涉及引导预测器和响应值,并假设预测器变量是随机的。对于假设预测器变量的技术是固定并引导残差的技术,请参阅线性回归模型系数的Bootstrap置信区间。
笔记:这个示例使用nlinfit(当您只需要非线性回归模型的系数估计或残差时,它很有用,并且您需要重复拟合模型多次,如在自动启动的情况下。如果您需要进一步调查拟合的回归模型,请通过使用创建非线性回归模型对象fitnlm。属性可以为结果模型的系数创建置信区间coefCI对象函数,尽管此函数不使用引导。
nlinfit
fitnlm
coefCI
从非线性回归模型中生成数据 y = b 1 + b 2 ⋅ e x p ( - b 3. x ) + ϵ ,在那里 b 1 = 1 , b 2 = 3. , 和 b 3. = 2 是系数;预测器变量x呈指数分布,均值为2;误差项 ϵ 通常以平均值0分布和标准偏差0.1。
modelfun = @(b,x)(b(1)+ b(2)* exp(-b(3)* x));RNG(“默认”)%的再现性b = [1; 3; 2);x = exprnd (2100 1);Y = modelfun(b,x) + normrnd(0, 0.1100,1);
为使用中初始值的非线性回归模型创建函数句柄Beta0.。
Beta0.
beta0 = (2; 2; 2);β= @(预测、响应)nlinfit(预测、响应modelfun beta0)
β=function_handle具有值:@(预测、响应)nlinfit(预测、响应modelfun beta0)
计算非线性回归模型系数的95% bootstrap置信区间。根据生成的数据创建引导示例x和y。
x
y
ci = bootci(1000年,β,x, y)
ci =2×30.9821 2.9552 2.0180 1.0410 3.1623 2.2695
前两个置信区间包括真实的系数值 b 1 = 1 和 b 2 = 3. ,分别。然而,第三个置信区间不包括真正的系数值 b 3. = 2 。
现在计算模型系数的99% bootstrap置信区间。
newci = bootci(1000年,{β,x, y},'Α', 0.01)
newci =2×30.9730 2.9112 1.9562 1.0469 3.1876 2.3133
所有三个置信区间都包含了真实的系数值。
计算bootstrap置信区间的系数的线性回归模型。本例中使用的技术涉及自举残差,并假设预测变量是固定的。对于假定预测变量是随机的并自举预测变量和响应值的技术,请参见非线性回归模型系数的引导置信区间。
笔记:这个示例使用回归,当您只需要一个回归模型的系数估计或残差,并且您需要重复拟合一个模型多次时,这是有用的,就像在bootstrapping的情况。如果需要进一步研究拟合的回归模型,可以使用fitlm。属性可以为结果模型的系数创建置信区间coefCI对象函数,尽管此函数不使用引导。
回归
fitlm
加载样本数据。
负载哈尔德
执行线性回归并计算残差。
x =[(大小(热)),成分);y =热量;b =回归(y、x);yfit = x * b;Resid = y - yfit;
计算线性回归模型系数的95% bootstrap置信区间。从残余物中创建bootstrap样本。通过指定,使用带有自举偏差和标准误差的正态逼近区间“类型”、“正常”。在这种情况下,不能使用默认置信区间类型。
“类型”、“正常”
ci = bootci(1000,{@(bootr)回归(yfit + bootr,x),star},......“类型”,“正常”)
ci =2×5-47.7130 0.3916 -0.6298 -1.0697 -1.2604 172.4899 2.7202 1.6495 1.2778 0.9704
绘制估计系数b,省略截距术语,并显示显示系数置信区间的误差条。
b
斜坡= B(2:结束)';Dublubrlengths = Slopes-Ci(1,2:结束);upperbarlengths = ci(2,2:end)-slopes;errorbar(1:4,斜坡,updarbarlengs,upperbarlengths)xlim([0 5])标题(系数的置信区间的)
只有第一个非截距系数与0有显著差异。
计算100个自助样本的平均值和标准偏差。找出每个统计量的95%置信区间。
从指数分布产生100个随机数,平均值5。
RNG(“默认”)%的再现性y = exprnd (5100 1);
从向量中抽取100个bootstrap样本y。对于每个自助样本,计算平均值和标准偏差。找到均值和标准差的95%引导置信区间。
(ci, bootstat) = bootci(100年,@ (x)(意思是(x)性病(x)), y);
ci (: 1)包含平均置信区间的下界和上界,以及C(:,2)包含标准偏差置信区间的下限和上限。每一排bootstat包含自助样本的平均值和标准偏差。
ci (: 1)
C(:,2)
绘制每个自助样本的均值和标准差作为一个点。绘制均值置信区间的下界和上界为垂直线虚线,绘制标准差置信区间的下界和上界为水平线虚线。
情节(bootstat (: 1) bootstat (:, 2),“o”)Xline(CI(1,1),':')参照线(ci (2, 1),':')Yline(CI(1,2),':') yline (ci (2, 2),':')xlabel(“的意思是”)ylabel('标准偏差')
绘制的引导样本数量,指定为正整数标量。要创建每个引导样本,bootci随机选择和替换n出了n中的非标量数据行d或者d1,…,dN。
n
例子:100.
100.
数据类型:单|双
单
双
应用于每个样本的功能,指定为函数句柄。该函数可以是自定义或内置功能。您必须指定bootfun与之@象征。
@
例子:@mean
@mean
数据类型:function_handle
function_handle
要抽样的数据,指定为列向量或矩阵。的n行d对应于观测。当您使用多个数据输入参数时d1,…,dN,您可以将一些参数指定为标量值,但所有非卡尔参数必须具有相同数量的行。
如果使用单个向量参数d,您可以将其指定为行向量。bootci然后来自载体的元素的样品。
指定可选的逗号分隔对名称,值参数。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家。
的名字
价值
Name1, Value1,…,的家
bootci(100年,{@mean, 1:6”},“阿尔法”,0.1)
0.05
显著性水平,指定为0到1之间的正标量。bootci计算100 *(1-alpha)函数定义的每个统计数据的引导置信区间bootfun。
100 *(1-alpha)
例子:'alpha',0.01
'alpha',0.01
“bca”
“规范”
“每”
'COL'
“学生”
置信区间类型,指定为此表中的值之一。
“正常”
“百分比”
“纠正百分位”
偏差修正和加速百分位法[3],[4]——是一种z0使用bootstrap值小于原始样本值的比例计算的因子。当样本是块状时,为了产生合理的结果,软件进行计算z0通过包含与原始样本值相同的引导值的一半。
例子:“类型”,“学生”
“类型”,“学生”
'nbootstd'
所研究的标准误差估计的自助样本数,指定为一个正整数标量。
bootci计算函数定义的统计的学生化引导置信区间bootfun,并对bootstrap统计量的标准误差进行估计NBootStd引导数据样本。
NBootStd
请注意
要使用此名称-值参数,请使用类型价值必须是“学生”或者“学生”。指定NBootStd或者StdErr但不是两者都要。
类型
StdErr
例子:“NBootStd”,50岁
“NBootStd”,50岁
“StdErr”
用于计算已学过的标准误差估计值的函数,指定为函数句柄。
bootci计算函数定义的统计的学生化引导置信区间bootfun,利用该函数估计bootstrap统计量的标准误差StdErr。的StdErr函数的参数必须与bootfun并返回计算的统计量的标准误差bootfun。
例子:'stderr',@ std
'stderr',@ std
“重量”
(n,1)/ n
观测权值,指定为具有至少一个正元素的非负向量。中元素的个数权重必须等于行数n在数据中d或者d1,…,dN。要获得一个bootstrap样本,bootci随机选择和替换n的n使用这些权重作为多项抽样概率的数据行。
权重
“选项”
在Bootstrap采样期间并行计算自动启动迭代的选项,并将其设置为结构。创造选项结构statset。此表列出了选项字段及其值。
选项
statset
UseParallel
真的
假
UseSubstreams
将此值设置为真的以可重复的方式并行地运行计算。
要重复计算,设置流到允许子流的类型:'mlfg6331_64'或者“mrg32k3a”。
流
'mlfg6331_64'
“mrg32k3a”
RandStream
您需要并行计算工具箱™并行运行计算。
例子:“选项”,statset (UseParallel,真的)
“选项”,statset (UseParallel,真的)
数据类型:结构体
结构体
置信区间界限,作为矢量,矩阵或具有两行的多维数组返回。
如果bootfun然后返回一个标量ci是一个包含置信区间下界和上界的向量。
如果bootfun返回长度向量米,然后ci矩阵的大小是2乘-吗米,在那里: ci (1)是下限和: ci (2)上界。
: ci (1)
: ci (2)
如果bootfun然后返回一个多维数组ci是一个数组,在哪里ci(1:…)是一系列下限和ci(2:…)是一个上界数组。
ci(1:…)
ci(2:…)
引导统计信息,以列向量或矩阵的形式返回nboot行。的我th排bootstat对应于申请结果bootfun到了我th bootstrap样本。如果bootfun返回矩阵或数组,然后是bootci功能首先将此输出转换为行向量,然后再存储bootstat。
我
A. C.戴维森,D. V.欣克利。引导方法及其应用程序。剑桥大学出版社,1997。
[2]埃夫隆,布拉德利。折刀,引导和其他重采样计划。费城:工业和应用数学协会,1982年。
[3] Diciccio,Thomas J.和Bradley Efron。“引导置信区间。”统计科学11日,没有。3(1996): 189 - 228。
[4] efron,布拉德利和罗伯特J. Tibshirani。Bootstrap简介。纽约:查普曼和霍尔出版社,1993年。
要并行运行,请指定“选项”调用此函数的名称-值参数,并设置“UseParallel”选项结构的领域真的使用statset。
“UseParallel”
例如:“选项”,statset (UseParallel,真的)
有关并行计算的更多信息,请参见使用自动并行支持运行MATLAB功能金宝app(并行计算工具箱)。
bootstrp|重叠|parfor|randsample|statget|statset
bootstrp
重叠
parfor
randsample
statget
您有这个示例的一个修改版本。要用编辑打开这个例子吗?
您点击了一个对应于这个MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站来获得可用的翻译内容,并看到当地的活动和提供。根据您所在的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。
与当地办事处联系