R引导功能.绘图中t和t*的解释.标准图形的修改
我开始在R引导功能.绘图中t和t*的解释.标准图形的修改,r,plot,graphics,statistics,statistics-bootstrap,R,Plot,Graphics,Statistics,Statistics Bootstrap,我开始在R中使用包boot,我在理解绘图上的参数t和t*时遇到了一些问题 基本代码如下所示: library(boot) mydata <- c(0.461, 3.243, 8.822, 3.442) meanFunc <- function(mydata, i){mean(mydata[i])} bootMean <- boot(mydata, meanFunc, 250) plot(bootMean) 库(启动) mydata在boot的输出中(bootMean在您的例
R
中使用包boot
,我在理解绘图上的参数t
和t*
时遇到了一些问题
基本代码如下所示:
library(boot)
mydata <- c(0.461, 3.243, 8.822, 3.442)
meanFunc <- function(mydata, i){mean(mydata[i])}
bootMean <- boot(mydata, meanFunc, 250)
plot(bootMean)
库(启动)
mydata在boot的输出中(bootMean
在您的例子中),可以找到两种类型的t
s:t0
和t
从?boot
的文档中:
t0
应用于数据的统计观察值
这是原始数据集上meanFunc
函数的值,即:
> mean(mydata)
[1] 3.992
这在boot的输出中称为原始t*
或t1*
:
> bootMean
ORDINARY NONPARAMETRIC BOOTSTRAP
Call:
boot(data = mydata, statistic = meanFunc, R = 250)
Bootstrap Statistics :
original bias std. error
t1* 3.992 0.165301 1.512914
然后你有
t
具有总和(R)行的矩阵,每个行是调用统计结果的引导复制
t
此处表示根据R
参数生成的所有统计数据的矩阵(在您的案例中为向量),即在您的案例中为250
因此,t
和t*
之间存在差异,差异在于t
是所有统计数据的矩阵,即t
这里是我们在统计学中称之为随机变量的,而t*
是t
随机变量的估计值。在您的例子中,您得到250个估计值t*
s,由R
参数确定。换句话说,t
是矩阵,t*
是矩阵的元素
因此,该图也有意义,因为它是随机变量t
的柱状图,x轴包含随机变量的估计值,即t*
s.我猜t*代表自举估计值。我也会这么想,但为什么用t的柱状图作为标题而不是t*的直方图?