文件帮助中心文件
Bootstrap采样
bootstat = bootstrp(nboot,bootfun,d)
bootstat = bootstrp(nboot,bootfun,d1,...,dn)
bootstat = bootstrp(___,名称,价值)
[bootstat,bootsam] = bootstp(___)
例子
bootstat.= bootstp(nboot.那Bootfun.那D.)吸引了nboot.引导数据示例D.,使用该功能计算每个样本的统计信息Bootfun.,并将结果返回bootstat..这Bootstrp.函数通过使用行的排列采样来创建每个引导程序样本D..输出参数的每一行bootstat.包含申请结果Bootfun.一个引导样本。
bootstat.= bootstp(nboot.那Bootfun.那D.)
bootstat.
nboot.
Bootfun.
D.
Bootstrp.
bootstat.= bootstp(nboot.那Bootfun.那D.1、……D.N)吸引了nboot.引导来自数据的样本dl,...,dn.Nonscalar数据参数dl,...,dn必须具有相同数量的行,N.这Bootstrp.函数通过从索引中取样并替换来创建每个引导示例1:n ..并选择非卡拉尔的相应行dl,...,dn.该函数通过了非卡拉数据的样本和不变的标量数据参数dl,...,dn至Bootfun..
bootstat.= bootstp(nboot.那Bootfun.那D.1、……D.N)
dl,...,dn
N
1:n ..
bootstat.= bootstp(___那名称,值)除了先前语法中的任何输入参数组合之外,还使用一个或多个名称值对参数指定选项。例如,您可以将观察权重和并行计算自卷迭代。
bootstat.= bootstp(___那名称,值)
名称,值
[bootstat.那Bootsam.] = bootstrp(___)也退货Bootsam., 一个N-经过-nboot.Bootstrap矩阵样本指标,其中N是原始非标量数据中的行数。每一列中Bootsam.对应于一个引导示例,并包含从非划分数据绘制的值的行索引以创建该样本。
[bootstat.那Bootsam.] = bootstrp(___)
Bootsam.
获取引导示例指标而不将函数应用于样本,设置Bootfun.清空 ([]).
[]
全部折叠
估计自动启动手段的内核密度。
从均值为5的指数分布中生成100个随机数。
RNG('默认')重复性的%Y = EXPRND(5,100,1);
计算从向量中取出的100个自动样本的样本y.
y
m = bootstp(100,@均值,y);
绘制一个bootstrapped均值的密度估计值。
[fi, xi] = ksdensity (m);情节(xi, fi)
计算和绘制100个引导样本的手段和标准偏差。
计算100个引入的手段的样本和从向量中取出的随机样本的标准偏差y.
stats = bootstrp(100,@(x)[均值(x)std(x)],y);
绘制引导估计对。
情节(统计数据(:,1),统计数据(:,2),'o')包含('吝啬的') ylabel (“标准差”)
采取患者数据的引导样本,计算每个数据样本的平均测量,并可视化结果。
加载耐心数据集。创建一个矩阵患者包含年龄,重量和高度测量。每一排患者对应一个病人。
耐心
患者
加载耐心患者= [年龄重量高];
从数据中创建200引导数据示例患者.要创建每个样本,随机选择用替换100行(即,尺寸(patientData, 1))患者.对于每个样品,计算平均年龄,重量和高度测量。每一排bootstat.包含一个引导样本的三个平均测量值。
尺寸(patientData, 1)
RNG('默认')重复性的%bootstat = bootstrp(200,@均值,upartdata);
可视化所有200引导数据样本的平均测量。注意,具有更大平均重量的引导样本往往具有更大的平均高度。
散射3(BootStat(:,1),BootStat(:,2),Bootstat(:,3))XLabel('平均年龄') ylabel ('平均重量') zlabel (的平均身高)查看([ - 75 10])
使用示例数据的引导重采样计算相关系数标准错误。
加载lawdata其中包含了15名学生的LSAT成绩和法学院平均绩点。
lawdata
加载lawdataRNG('默认')重复性的%尺寸(LSAT)
ans =.1×215日1
大小(gpa)
通过重新采样15个数据点来创建1000个数据样本,并计算每个数据样本的两个变量之间的相关性。
[bootstat,bootsam] = bootstp(1000,@ corr,lsat,gpa);
显示前5个引导的相关系数。
bootstat(1:5,:)
ans =.5×10.9874 0.4918 0.5459 0.8458 0.8959
显示为前5个引导样本选择的数据的索引。
Bootsam(:,1:5)
ans =.15×513 3 11 8 12 14 7 1 7 4 2 14 5 10 8 14 12 1 11 11 10 15 2 12 14 2 13 5 15 5 1 11 11 9 9 13 5 10 3 15 15 15 3 3 15 11 1 2 4⋮
创建一个直方图,其显示所有引导样本的相关系数的变化。
直方图(bootstat)
样本最小值为正,说明LSAT分数和GPA之间的关系不是偶然的。
最后,计算估计相关系数的引导标准。
se = std(bootstat)
se = 0.1285
将引导样本与不同的观察权重进行比较。创建一个自定义函数,可计算每个样本的统计信息。
从数字1到6创建50个引导示例。要创建每个示例,Bootstrp.随机选择从数字1到6,六次替换。这个过程类似于六次滚动。对于每个样本,自定义函数Countfun.(在本示例的末尾显示)计算样本中的1S的数量。
Countfun.
RNG('默认')重复性的%counts = bootstp(50,@ countfun,(1:6)');
注意:如果使用此示例的实时脚本文件,则Countfun.函数已经包含在文件的末尾。否则,您需要在.m文件的末尾创建此函数,或将其作为MATLAB®路径上的文件添加。
从数字1到6创建50个引导示例,但为数字分配不同的权重。每一次Bootstrp.从数字1到6随机选择,选择1的可能性是0.5,选2的概率是0.1, 等等。再次,Countfun.计算每个样本中的1s的数量。
0.5
0.1
重量= [0.5 0.1 0.1 0.1 0.1 0.1]';proceedcounts = bootstp(50,@ countfun,(1:6)','重量',重量);
用直方图比较两组bootstrap样本。
直方图(计数)在直方图(掌权)传奇xlabel(“样本中的1s数量”) ylabel ('样本数量')举行从
两组自举样本具有不同的分布;特别地,第二组中的样品倾向于容纳更多1S。例如,在第一组中的50个样本中,只有两个样本包含超过两个1s。相比之下,在第二组中的50个样本(具有观察重量), 1 2 + 1 4. + 4. + 2 = 3. 2 样品包含两个以上的1s。
这段代码创建了函数Countfun..
函数numperofones = countfun(样本)numperofones = sum(sample == 1);结尾
通过自举残差估计线性回归中系数向量的标准误差。
注意:这个例子用途回归,当你只是需要一个回归模型的系数估计或残差,并且你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..
回归
Fitlm.
加载样例数据。
加载hal
执行线性回归,并计算残差。
x = [尺寸(尺寸(加热)),成分];Y =热;b =回归(y,x);Yfit = x * b;Resid = Y - Yfit;
通过引导残差来估计标准错误。
se = std(bootstrp(1000,@(bootr)回归(yfit + bootr,x),stare))
se =1×556.1752 0.5940 0.5815 0.5989 0.5691
要绘制的引导样本数,指定为一个正整数标量。要创建每个引导示例,Bootstrp.随机选择替换N离开了N(非卡尔)数据的行D.或d1,...,dn.
d1,...,dn
例子:One hundred.
One hundred.
数据类型:单身的|双倍的
单身的
双倍的
函数应用于每个示例,指定为函数句柄。函数可以是自定义函数或内置函数。您必须指定Bootfun.与@的象征。
@
有关使用自定义函数的示例,请参阅将引导样本与不同的观察权重进行比较.
例子:@吝啬的
@吝啬的
数据类型:function_handle.
function_handle.
从,指定为列向量或矩阵的数据。这N行D.对应观察。当您使用多个数据输入参数时d1,...,dn,您可以指定一些参数为标量值,但所有非标量参数必须具有相同的行数。
如果您使用单个矢量参数D.,你可以指定它为一个行向量。Bootstrp.然后对向量的元素进行采样。
数据类型:单身的|双倍的|逻辑|char|细绳|细胞|分类
逻辑
char
细绳
细胞
分类
指定可选的逗号分离对名称,值论点。名称是参数名称和价值是对应的值。名称必须出现在引号内。您可以按如下顺序指定几个名称和值对参数name1,value1,...,namen,valuen.
名称
价值
name1,value1,...,namen,valuen
Bootstp(4,@均值,(1:2)','权重',[0.4 0.6]')
1
2
0.4
0.6
'重量'
的(n - 1) / n
观察权重,指定为逗号分隔的配对组成'重量'和具有至少一个正元素的非负载体。元素的数量重量必须等于行数N在数据D.或d1,...,dn.要获取一个引导样本,Bootstrp.随机选择替换N在......之外N使用权重的数据行为多项式采样概率。
重量
'选项'
在Bootstrap采样期间并行计算自动启动迭代和设置随机数的选项,指定为包含的逗号分隔对'选项'和结构。创建选项结构与实例化.该表列出了选项字段及其值。
选项
实例化
UseParallel
真正的
错误的
Userumstreams.
将此值设置为真正的以可重复的方式并行地运行计算。
计算可重复的,设置溪流到允许子流的类型:“mlfg6331_64”或'MRG32K3A'.
溪流
“mlfg6331_64”
'MRG32K3A'
randstream.
笔记
您需要并行计算工具箱™来并行运行计算。
例子:'选项',statset('deverypallellel',true)
'选项',statset('deverypallellel',true)
数据类型:塑造
塑造
Bootstrap示例统计信息,作为列向量或矩阵返回nboot.行。这一世th排bootstat.对应于应用的结果Bootfun.到一世引导程序示例。如果Bootfun.返回一个矩阵或数组,然后Bootstrp.函数首先将此输出转换为行向量,然后将其存储在bootstat..
一世
Bootstrap示例索引,返回为N-经过-nboot.数字矩阵,N是原始非标量数据中的行数。每一列中Bootsam.对应于一个引导示例,并包含从非划分数据绘制的值的行索引以创建该样本。
例如,如果每个数据都输入参数d1,...,dn包含16个值,和nboot = 4., 然后Bootsam.是一个16 × 4矩阵。第一列包含从中提取的16个值的索引d1,...,dn对于第一个引导示例,第二列包含第二个引导示例的索引,依此类推。所有输入数据集的引导索引都是相同的d1,...,dn.
nboot = 4.
获取Bootstrap示例索引Bootsam.在不向样本应用功能,设置Bootfun.清空 ([]).
要并行运行,请指定'选项'对此函数调用中的名称值参数并设置'使用指平行'字段的选项结构真正的使用实例化.
'使用指平行'
例如:'选项',statset('deverypallellel',true)
有关并行计算的更多信息,请参阅运行具有自动并行支持的MATLAB函数金宝app(并行计算工具箱).
Bootci.|直方图|ksdensity|议案|随机的|兰德斯|randstream.|行星|实例化
Bootci.
直方图
ksdensity
议案
随机的
兰德斯
行星
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室