statistics-bootstrap

0热度

1回答

model.frame.default中的错误...变量长度不同R中的线性模型验证

我正尝试使用引导包中的函数cv.glm（）来验证线性模型。首先我运行模式和正常工作： > linear_model_red<-glm(red_wine_data$quality~.,data=red_wine_data) 然后，我想做的验证： cv.glm(red_wine_data,linear_model_red) ，并击掌我的错误： Error in model.frame.def

0热度

1回答

自举以获得置信区间使用R

我试图使用非参数引导来引导可靠性估计我已经写了下面的代码创建模型，然后引导1000次以获得两个可靠性统计信息Alpha和Omega 我是能够与置信区间得到Alpha和欧米茄为第一构建：visual =~ x1 + x2 + x3但看到没有办法访问它的其他结构textual和speed 当我运行的引导功能，我看到的结果为所有的 # bootstrapping with 1000 replicati

1热度

2回答

引导R中

加权平均我知道如何引导向量的平均值： library(boot) samplemean <- function(x, d) { return(mean(x[d])) } results_qsec <- boot(data=mtcars$qsec, statistic = samplemean, R=1000) ，但我怎么引导的加权平均值，考虑到例如值在mtcars$qsec和这

1热度

1回答

如何从经验分布函数中制作样本

我试图在Python上实现非参数引导。它需要采样，从中建立一个经验分布函数，然后从这个edf生成一堆样本。我该怎么做？在scipy中，我发现如果你知道描述它的确切公式，只有如何使你自己的分布函数，但我只有一个edf。

0热度

2回答

从K倍中挑选哪个模型交叉验证

我在阅读关于交叉验证以及如何使用它来选择最佳模型和估计参数，但我并没有真正理解它的含义。假设我建立一个线性回归模型并进行10倍交叉验证，我认为这10个系统中的每一个都有不同的系数值，现在来自10个不同的系统值，我应该选择它作为我的最终模型或估计参数。或者我们是否仅使用交叉验证来寻找平均误差（本例中为10个模型的平均值）并与另一个模型进行比较？

1热度

1回答

plyr + simpleboot：NA在概率向量

我使用simpleboot包（https://cran.r-project.org/web/packages/simpleboot/index.html），以获得置信区间。这是我的函数： lb_weighted_median_dplyr <- function(x,v) { set.seed(1234) b <- one.boot(x, weights = v, FUN =

0热度

1回答

生成折叠取样过程中产生的数据帧对象

本文已被编辑以更准确地描述情况。我正在为我的工作使用一种折刀取样。 jackknifed数据将用于校准模型，未使用的数据将用于验证。不是立即进行分析，我想保存jackknifed样本作为dataframes，以及其对每个样品中删除的数据... 这很难解释，所以我会用一个例子以说明：该示例的目的是创建数据集4次。每次应该有两个数据集 - 一个长度为9（校准一个）和一个长度为3（验证一个）。 df

1热度

1回答

使用R Bootstrap获取回归系数名称

我在R中使用boot包来计算自举SE和置信区间。我试图找到一个优雅而有效的方法来获取我的参数的名称以及它们的估计值的引导程序分布。例如，考虑给予here简单的例子： # Bootstrap 95% CI for regression coefficients library(boot) # function to obtain regression weights bs = function

1热度

1回答

如何绘制自举置信区间

我正在运行一些自举置信区间，我想用均值绘制置信区间。类似这样的：这是我的模型。正如你可以看到DISTANCE和POS是因素。 lmm1 <- lmer((total) ~ DISTANCE+POS + (1|NO_UNIT),data=TURN) TURN$POS<-as.factor(TURN$POS)#Change position and distance to factors TUR

1热度

1回答

如何将自举CI添加到此函数R

我想计算这两个估计的90％置信区间（Bootstrap）。 Harrell-Davis无分布分位数估计器。我认为这个函数是估计平均值和标准差的非参数分位数的引导版本。现在我想知道如何计算90％CI？ library(Hmisc) x <- runif(100) hdquantile(x, probs = seq(0.025, 0.975,0.95), se=TRUE,names = TRUE,