Bootstrap本意是拎着靴带让自己跳起来，在统计学中是一种重采样的方法，通常在样本量小的时候，可以从中不断再次抽样。

1. Bootstrap 简单应用

Bootstrap bias偏差 &variance 方差

library(bootstrap)
bslogc<-function(x,B){n<-length(x)thetastar<-replicate(B,{xstar<-sample(x,n,replace = T)median(xstar)} )thetastar
}x <- diabetes$logCpeptide
hist(x, freq = FALSE, main = "Histogram of diabetes data")
median(x)
bscpep<-bslogc(x,1000)
hist(bscpep,freq = FALSE, breaks = 7,main = "Histogram of bootstrap diabetes medians")
var(bscpep)
bias<-mean(bscpep)-median(x)

Bootstrap correlation

samplecorr <- function(data, B) {n <- nrow(data)res <- numeric(B)for(i in 1:B) {ind <- sample(n, n, replace = TRUE)bs_data <-  data[ind, ]res[i] <- cor(bs_data[ , 1], bs_data[ , 2])}res
}
cor(law)
cor(law[ , 1], law[ , 2])
bs_law <- samplecorr(law, 10000)
hist(bs_law,  freq = FALSE,main = "Histogram of law data bootstrap corellation coefficients")
bias.law <- mean(bs_law) - cor.law[1, 2]
bias.law
var(bs_law)cor(law82)
bs_law82 <- samplecorr(law82[ , 2:3], 10000)
hist(bs_law82,  freq = FALSE,main = "Histogram of law82 data bootstrap corellation coefficients")
bias.law82 <- mean(bs_law82) - cor.law82[1, 2]
bias.law82
var(bs_law82)

Bootstrap方法比较实验组与对照组

mean(mouse.t)-mean(mouse.c)
bsmice<-function(x,y,B){n1<-length(x)n2<-length(y)thet1<-replicate(B,{xstar<-sample(x,n1,replace = T)mean(xstar)})thet2<-replicate(B,{ystar<-sample(y,n2,replace = T)mean(ystar)})d=thet1-thet2}df1=bsmice(mouse.t,mouse.c,1000)
head(df1)
pihat <- sum(df1 > 10) / length(df1) #probability that survival time difference > 10
pihat

2.Bootstrap residuals

ebs_eps<-function(y,x,B){fit <- lm(y ~ x)e <- residuals(fit)y_fitted <- fitted(fit) # or : beta[1] + beta[2] * x <- wood$density # for conveniencebs_resid <- matrix(0, nrow = B, ncol = 2)n<-length(y)for(i in 1:B){e_star <- sample(e, n, replace = TRUE)y_star <- y_fitted + e_starfit_star <- lm(y_star ~ x)bs_resid[i, ] <- coef(fit_star)}bs_resid
}wood <- read.table("wood.txt", header = TRUE)
bs_beta <-ebs_eps(y = wood$hardness, x = wood$density, 1000)fit_wood <- lm(hardness ~ density, data = wood)
beta <- coef(fit_wood)plot(wood$density, wood$hardness, main = "",  xlab = "density", ylab = "hardness")
yreg <- beta[1] + beta[2] * wood$density
lines(wood$density, yreg, col = "red")
for(i in 1:10) {yest <- bs_beta[i, 1] + bs_beta[i, 2] * wood$densitylines(wood$density, yest)
}hist(bs_beta[, 1], xlab = "Estimate of alpha", freq = FALSE)
hist(bs_beta[ , 2], xlab = "Estimate of beta", freq = FALSE)

3.Bootstrap 置信区间

s1=rgamma(50,shape = 4,rate = 1)
hist(s1)
n <- length(s1)
B=10000
zstar<-{}
for (i in 1:B){xstar<- sample(s1,n,replace = T)ths<-mean(xstar)se<-sd(xstar)/sqrt(n)zstar[i]<- (ths-theta_hat)/se
}tq<-quantile(zstar,c(0.05,1-0.05))
theta_hat-c(tq[2],tq[1])*se_hat
library(bootstrap)
help(bootstrap)
boott(s1,theta = function(x) mean(x),perc=c(.025,.05,.10,.50,.90,.95,.975))

Bootstrap方法在R语言中的运用相关推荐

raster | R语言中的空间栅格对象及其基本处理方法（Ⅰ）
前面的系列推文已经完成了对R语言中的两个管理空间矢量数据的工具包(sf和sp)的介绍,以及空间自相关.空间插值等空间分析方法. 这里小编再推出一个系列来介绍R语言中管理空间栅格数据的工具包:raste ...
R语言中读取xlsx文件的方法
R语言中读取xlsx文件的方法安装包 install.packages("openxlsx") library(openxlsx) 文件名+sheet的序号 data<- ...
R语言中不同类型的聚类方法比较
聚类方法用于识别从营销,生物医学和地理空间等领域收集的多变量数据集中的相似对象.我们围绕聚类技术进行一些咨询,帮助客户解决独特的业务问题.它们是不同类型的聚类方法,包括: 划分方法分层聚类模糊聚类 ...
R语言中使用非凸惩罚函数回归(SCAD、MCP)分析前列腺数据
原文链接:http://tecdat.cn/?p=20828 本文使用lasso或非凸惩罚拟合线性回归,GLM和Cox回归模型的正则化,特别是_最小_最_大凹_度_惩罚_函数_(MCP)_和光滑切片绝 ...
r语言 rgl 强制过程中_一个R语言中操纵矢量空间数据的标准化工具—sf
注: 本文是R语言sf包的核心开发者和维护者--来自德国明斯特大学的地理信息学教授:Edzer Pebesma 的一篇关于sf包的简介,发表于2018年7月的R语言期刊,主要讲述了sf的定位.功能. ...
R开发(part8)--应用R语言中的函数环境空间
学习笔记,仅供参考,有错必纠文章目录 R开发应用R语言中的函数环境空间 R语言的函数环境空间封闭环境绑定环境运行环境调用环境函数环境空间图示 R开发应用R语言中的函数环境空间 R语言的 ...
r语言中正定矩阵由于误差不正定_R语言之数据处理(一)
在上一篇小文中,提到了关于R语言导入数据的一些方法,之后的重点就转向了数据的处理上.数据处理其实在整个数据分析项目中所占用的时间是比较多的,所以根据处理的目的不同,也有不同的处理方法.在R语言中,我通 ...
r语言c5.0要求因子输出,R语言中因子的创建与使用
原标题:R语言中因子的创建与使用因子在R语言中可以用来表示名义型变量或有序变量.名义变量一般表示类别,如性别,种族等等.有序变量是有一定排序顺序的变量,如职称,年级等等.在R语言中,名义变量和有序变 ...
技巧 | 在R语言中使用高德地图的API进行地理/逆地理编码（地址与经纬度的相互转换）...
高德地图和百度地图都提供了坐标拾取系统,通过坐标查询或坐标反查操作可以查询一个地址对应的经纬度或经纬度对应的地址名称.但是,手动查询的方式效率很低,也不能进行批量查询. 本篇就来介绍在R语言中调用高德 ...

Bootstrap方法在R语言中的运用

1. Bootstrap 简单应用

Bootstrap bias偏差 &variance 方差

Bootstrap correlation

Bootstrap方法比较实验组与对照组

2.Bootstrap residuals

3.Bootstrap 置信区间

Bootstrap方法在R语言中的运用相关推荐

最新文章

热门文章