R 随样本量增加的自举相关系数

我想演示相关性周围95%置信区间的宽度如何随样本量的增加而变化，从n=10到n=100，每轮增加5个样本。我假设我们可以使用bootstrap函数来实现这一点，并将每轮复制1000次。如何在R中实现这一点？ 见：

我们可以使用钻石数据：

data(diamonds)
x <- diamonds$price
y <- diamonds$carat

数据（菱形）
x您可以使用
sapply
循环您的样本大小，并为每个样本大小抽取1000个适当大小的随机样本，报告置信区间的平均宽度：

set.seed(144)
ci.widths <- sapply(seq(10, 100, 5), function(x) mean(replicate(1000, {
  r <- sample(nrow(diamonds), x, replace=TRUE)
  diff(cor.test(diamonds$price[r], diamonds$carat[r])$conf.int)
})))
plot(seq(10, 100, 5), ci.widths, xlab="Sample size", ylab="CI width")

set.seed（144）
ci.widths您可以使用
sapply
循环您的样本大小，并为每个样本大小抽取1000个适当大小的随机样本，报告置信区间的平均宽度：

set.seed(144)
ci.widths <- sapply(seq(10, 100, 5), function(x) mean(replicate(1000, {
  r <- sample(nrow(diamonds), x, replace=TRUE)
  diff(cor.test(diamonds$price[r], diamonds$carat[r])$conf.int)
})))
plot(seq(10, 100, 5), ci.widths, xlab="Sample size", ylab="CI width")

set.seed（144）
ci.widths您可以自己添加图表和轴标题，但这段代码实现了我认为您使用ggplot2和“心理测量”软件包需要的功能：

library(ggplot2)
library(psychometric)

corSamp <- function(x) {
# return the correlation between price and carat on diamonds for a given sample size
  index <- sample(1:nrow(diamonds), x)
  carat <- diamonds$carat[index]
  price <- diamonds$price[index]
  return(cor(carat, price))
}

cors <- sapply(seq(5,100,5), corSamp)
lower <- sapply(1:20, function(i) return(CIr(r = cors[i], n = seq(5,100,5)[i], level = 0.95)[1]))
upper <- sapply(1:20, function(i) return(CIr(r = cors[i], n = seq(5,100,5)[i], level = 0.95)[2]))

myData <- data.frame(cbind(cors, lower, upper, seq(5,100,5)))

myPlot <- ggplot(myData, aes(x = V4, y = cors)) + geom_line() + geom_ribbon(aes(ymin = lower, ymax = upper), alpha = 0.5)

库（ggplot2）
图书馆（心理测量学）
corSamp您可以自己添加图表和轴标题，但这段代码实现了我认为您在使用ggplot2和“心理测量”软件包时需要的功能：

library(ggplot2)
library(psychometric)

corSamp <- function(x) {
# return the correlation between price and carat on diamonds for a given sample size
  index <- sample(1:nrow(diamonds), x)
  carat <- diamonds$carat[index]
  price <- diamonds$price[index]
  return(cor(carat, price))
}

cors <- sapply(seq(5,100,5), corSamp)
lower <- sapply(1:20, function(i) return(CIr(r = cors[i], n = seq(5,100,5)[i], level = 0.95)[1]))
upper <- sapply(1:20, function(i) return(CIr(r = cors[i], n = seq(5,100,5)[i], level = 0.95)[2]))

myData <- data.frame(cbind(cors, lower, upper, seq(5,100,5)))

myPlot <- ggplot(myData, aes(x = V4, y = cors)) + geom_line() + geom_ribbon(aes(ymin = lower, ymax = upper), alpha = 0.5)

库（ggplot2）
图书馆（心理测量学）
corSamp非常好！是否有可能加强这一点，因此对于每个样本量（5到100），我们重复绘制1000次，并以类似的方式报告每个样本量的相关性平均值，以及相应的上限和下限CI？[见下面josilber的回答]那么你不是在寻找给定样本量的相关性的数学确定置信区间，你实际上想要为每个样本量引导1000个集合，并获得相关性分布的CI？你应该能够通过结合我们的答案来做到这一点。使用他的答案生成样本，然后将geom_ribbon的上限和下限设为上限和下限CI值。非常好！是否有可能加强这一点，因此对于每个样本量（5到100），我们重复绘制1000次，并以类似的方式报告每个样本量的相关性平均值，以及相应的上限和下限CI？[见下面josilber的回答]那么你不是在寻找给定样本量的相关性的数学确定置信区间，你实际上想要为每个样本量引导1000个集合，并获得相关性分布的CI？你应该能够通过结合我们的答案来做到这一点。使用他的答案生成示例，然后将geom_功能区的上下界设置为CI值的上下界。