在Matlab中实现Bootstrap置信区间

如果这对一些人来说是显而易见的，我道歉。然而，我已经试着让我的头脑在引导上转了几个小时，对于如此简单的事情，我真的很挣扎

我有一个很大的数据集，但是它不是正态分布的，我正试图找到置信水平，因此我转向了引导。我想将引导应用于数据集的第四列，我可以这样做

但是，我对bootci函数本身有问题

ci=bootci(10000, ..... , array;

我在实现该函数时遇到了问题，因为我不完全理解bootci函数的第二部分（表示为…）的功能

我在其他示例中看到了@mean的实现，我假设它计算每个列的平均值，并将其应用于函数

如果有人能证实我的想法或向我解释功能，我将不胜感激

---

我也不确定如何改变样本量，有人能给我指出正确的方向吗？

根据我对问题的理解：

ci = bootci(10000, @mean, X);

将使用从数据集

X

替换的随机抽样生成的10000个子样本，确定数据集

X

平均值的95%置信区间

函数

@mean

的第二个参数表示应用于子样本的函数是

mean

，因此用于计算平均值的置信区间。如果需要，您可以同样地传入

@std

来计算标准偏差的置信区间，或者传入任何其他适用于该问题的函数

---

从我在中所读到的内容来看，似乎不可能直接控制

bootci

函数所使用的子样本的大小。

你的意思是说，不是盗版？你想找出什么样的置信区间？你是对的！我不知道我是怎么搞混的，编辑了标题。好吧，首先要做的就是。忘记引导吧。描述你试图寻找的价值。例如：你是在试图找出你的分布的平均值吗？模式？中位数？一旦建立了这个模型，bootstrap的解释就容易多了。我试图找到数据集的置信区间，我已经有了一个平均值，但是它有很重的权重。我把bootstrap看作是一种寻找平均值和置信区间的精确结果的方法。所以你想找到分布的平均值，以及平均值的置信区间，对吗？好的，我可以用这个。。。这解决了我的问题，简单地用中位数替换均值，就可以得到公认的中位数ci