sinefit_bootstrap文档
sinefit_bootstrap执行一个引导分析参数估计的函数sinefit。引导方法应用sinefit函数来一堆的次级样本数据,然后分析每个参数的分布解决方案如何健壮的解决方案。金宝搏官方网站
内容
语法
英尺= sinefit_bootstrap (t、y)英尺= sinefit_bootstrap(…,“体重”,重量)英尺= sinefit_bootstrap(…,“术语”,TermOption)英尺= sinefit_bootstrap (…, nboot, nboot)(英国《金融时报》,rmse Nsamp] = sinefit_bootstrap (…)
描述
英国《金融时报》= sinefit_bootstrap (t, y)符合2项(振幅和相位)正弦信号到1000年时间序列的随机样本t、y。输出英国《金融时报》是一个1000 x2矩阵containinng振幅和相位,所有1000解决方案。金宝搏官方网站看到sinefit输入和输出的完整描述。
英尺= sinefit_bootstrap(…,“体重”,w)加权适用于每一个观察y。例如,如果正式的错误犯错与y,你可能会让w = 1. /犯错。^ 2。默认情况下,w = 1(大小(y))。
英国《金融时报》= sinefit_bootstrap (TermOption…,“条款”)计算指定哪些术语的正弦信号。默认是2因为更多的术语可以被计算慢!TermOption可以2、3、4或5:
- 2:英国《金融时报》= (doy_max)在哪里一个正弦信号的振幅,doy_max一天每年的最大值对应的正弦信号。默认的TermOption是2。
- 3:英国《金融时报》= [doy_max C]还估计C,一个常数抵消。解增加处理时间,所以你可能会喜欢的估计C自己简单的意味着输入y。然而,如果你不能假设C = (y),你可能会喜欢这三届的解决方案。
- 4:英国《金融时报》= (doy_max C趋势)还估计线性趋势在整个时间序列的单位每年y。再次,同时解决四个方面将比解决两个yerms计算起来更贵,所以你可能更喜欢与polyfit估计自己的趋势,然后计算两届sin适合你的去趋势数据。
- 5:英国《金融时报》= (quadratic_term doy_max C趋势)还包括一个二次项的解决方案,但这是实验,因为拟合多项式日期引用到一年零往往很差。
英尺= sinefit_bootstrap (…, nboot, nboot)指定引导样品的数量。默认是1000年,意思是正弦曲线适合1000数据的随机样本。
(英国《金融时报》,rmse Nsamp] = sinefit_bootstrap (…)也回报分布的均方根误差残差(正弦曲线的符合数据)Nsamp,数据点的数量为每个子样品的数据。
例子
本例中执行一个引导的相位和振幅分析海冰范围的数据集。加载和情节北半球海冰范围时间序列:
负载seaice_extent情节(t, extent_N)盒子从轴紧ylabel“NH海冰范围(10 ^ 6公里^ 2)”
这是关于像条形码解读。今年尝试策划作为一天的函数到一个更好的季节性周期的描述。我用我的cbdate函数为一个date-formatted colorbar。
图散射(天(t,“dayofyear”),extent_N 10 datenum (t)“填充”)轴紧盒子从包含年的一天cb = cbdate (“yyyy”);集(cb,“ydir”,“反向”)%翻转colorbar的方向
现在,sinefit函数可以估计振幅、相位、截距和斜率的时间序列;然而,与每一个额外的计算变得相当慢,和sinefit_bootstrap要做计算一千次,现在我们就去趋势数据为简单起见,只有解相位和振幅。去趋势时间序列是这样的:
y =去趋势(extent_N);图绘制(t, y)盒子从轴紧ylabel“去趋势NH海冰范围(10 ^ 6公里^ 2)”
通过眼睛,我们可以看到正弦信号的振幅是约400万公里^ 2,这是北半球海冰范围,所以我们可以猜测,其最大将在北半球冬天和春天。我们可以充分符合2项正弦信号时间序列得到的东西比一个眼球估计:
sinefit (t, y)
ans = 4.41 - 66.83
这两个数字,4.4和66.8,正弦信号的振幅和正弦信号达到最大值的一天。即440万公里^ 2天66(3月7日)。但有健壮的解决方案吗?使用sinefit_bootstrap符合正弦曲线海冰范围的1000份随机样本时间序列(这个解决方案需要大约20秒)
英尺= sinefit_bootstrap (t、y);amp =英尺(:1);%振幅是英国《金融时报》的第一列阶段=英尺(:,2);%阶段是英国《金融时报》的第二列
如果你有统计工具箱,您可以使用scatterhist显示分布的振幅和相位的解决方案。金宝搏官方网站否则,你可以把它们在二维散点图和/或情节个人的直方图分布的数据:
scatterhist(阶段,amp)包含正弦信号最大的一天ylabel的振幅(10 ^ 6公里^ 2)”
这些都是很紧张的集群。他们说,正弦信号的振幅和相位配合应该是准确的在
性病(amp)性病(阶段)
答答= 0.10 = 0.01
0.009公里^ 2和0.1天。这并不奇怪,因为我们有40年(40周期)的采样数据集(365 /周期),我们预计精度高的sinefit振幅和相位。但是如果你只有几个数据点,收集随机次?你还能估计正弦信号吗?这就是我的意思是:让我们减少数据集只是随机7点:
% 7指数随机数据点:印第安纳州=兰迪(长度(y), [1] 7);%修剪y和t只有7分:y = y(印第安纳州);t = t(印第安纳州);图绘制(t y“波”)轴紧盒子从ylabel“NH海冰范围(公里^ 2)”
这只看起来像几随机点。但再一次,每年的策划作为一天的函数可以帮助我们明白sinefit处理:
图散射(天(t,“dayofyear”),y, 60, datenum (t)“填充”)轴紧盒子从包含年的一天colorbar cbdate (“yyyy”);
所以我们看到sinefit类似正弦曲线近似,甚至只有7分。它不应该奇怪,只有7分,sinefit仍然会值非常接近well-constrained 4.4振幅最大66.8天
英国《金融时报》= sinefit (t, y)
英尺= 4.84 68.09
以下是正弦曲线上看起来像那些7分:
持有在情节(1:365 sineval(英国《金融时报》,1:365))
使用sinefit_bootstrap量化的不确定性。
英尺= sinefit_bootstrap (t、y);图scatterhist(英国《金融时报》(:,2),英国《金融时报》(:1)包含正弦信号最大的一天ylabel“振幅(公里^ 2)”amp_uncertainty =性病(英国《金融时报》(:1))phase_uncertainty =性病(英国《金融时报》(:,2))
警告:安装一个正弦信号,不到一年的数据。这可能不是你想要的。amp_uncertainty phase_uncertainty = 7.87 = 0.62
的确,即使只有7点收集了超过40年,sinefit可以估计约040万公里内振幅^ 2和相位在7天内。
注意,用户
一个简短的注意相关的所有参数估计sinefit:这些参数描述最佳适合的正弦信号,但这并不一定意味着他们完全描述底层数据本身的行为。例如,气候平均而言,北半球海冰范围实际上通常达到最大值71天左右(3月12日),而sinefit说最佳正弦信号的最大值发生在第66天(3月7日)。这是因为真正的海冰范围的行为是更复杂的比一个简单的正弦信号。在你的工作中,一定要考虑正确行为的区别和1 /年的真实行为的频率分量。
作者信息
这个函数的一部分气候数据为Matlab工具箱。的sinefit,sineval,sinefit_bootstrap功能以及支持文档是乍得a·格林写的德克萨斯大学的地金宝app球物理研究所。