R简单引导

我有一个有两列的数据框（应用程序）

Customer    Application
1           1
1           0
1           0
1           1
1           1
1           0
1           1
1           0
1           0
1           1
1           1

申请率是多少

sum(Applications$Application)/sum(Applications$Customer).

我被要求通过对1000名客户的1000个样本进行测试，以获得应用率的分布和置信水平，从而提高应用率。我尝试使用

boot

包，如下所示

f2 <- function(Loan,Customer){sum(Applications$Application)/sum(Applications$Customer)}
bootapp1 <-(boot(Applications, f2, 1000))
bootapp1

ORDINARY NONPARAMETRIC BOOTSTRAP


Call:
boot(data = Bootstrap_Test, statistic = f2, R = 1000)


Bootstrap Statistics :
       original  bias    std. error
t1* 0.003052608       0           0

---

f2您只需要调整函数，它需要两个参数。从
boot
上的帮助文件中，在参数
statistic
下：

一种函数，当应用于数据时，返回一个包含感兴趣的统计信息的向量。当sim=“parametric”时，statistic的第一个参数必须是数据。对于每个复制，将传递由ran.gen返回的模拟数据集。在所有其他情况下，统计必须至少包含两个参数。传递的第一个参数始终是原始数据。第二个是定义引导样本的指数、频率或权重向量

库（启动）
x
library(boot)
x <- structure(list(Customer = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                 1L, 1L), Application = c(1L, 0L, 0L, 1L, 1L, 0L, 1L, 0L, 0L, 
                                                          1L, 1L)), .Names = c("Customer", "Application"), class = "data.frame", row.names = c(NA, 
                                                                                                                                               -11L))
f2 <- function(x, index){sum(x[index, "Application"])/sum(x[index, "Customer"])}
bootapp1 <- boot(data = x, statistic = f2, R = 1000)
> bootapp1

ORDINARY NONPARAMETRIC BOOTSTRAP


Call:
  boot(data = x, statistic = f2, R = 1000)


Bootstrap Statistics :
  original       bias    std. error
t1* 0.5454545 0.0005454545     0.14995