R.从向量引导最大值

我有一个数据帧df，其中X列的值沿1000000行正态分布。X中的最大值=0.8。使用R（可能还有“boot”包），我想用替换进行引导，以估计从我的数据中获得max（df$X）=0.8的可能性有多大。为此，我可以从X中提取n个引导样本，并计算每个样本的最大值。然后我可以取每个max（样本）的标准偏差，看看0.8离这个st-dev有多远。有人知道如何用R来引导吗？。欢迎任何建议

从

x

引导，其中x是一个正态随机变量<需要提供代码>统计函数，该函数至少需要

数据

和

索引

作为其参数。有关更多详细信息，请查看

boot

软件包的R文档

max_x

下面的函数检查max（x）是否与bootsrapped示例的最大值相同。请注意，以下代码中考虑的测试数据（x）具有不同的最大值，但概念框架保持不变：

set.seed(101)
x <- rnorm(1000, mean= 0.4, sd= 0.2)               # normally distributed test data

max_x <- function(data, indices){ m <- max(data[indices])
                                  if (m == max(x)) { return(1)   
                                                   }  else{ return(0)}
                                }

results <- boot(data = x, statistic = max_x, R = 1000)          # 1000 replications

mean(results$t == 1)                           # probability of max getting sampled
# 0.618

results
# ORDINARY NONPARAMETRIC BOOTSTRAP

# Call:
# boot(data = x, statistic = max_x, R = 1000)
# Bootstrap Statistics :
#     original  bias    std. error
# t1*        1  -0.382   0.4861196

plot(results)

set.seed（101）
x或无数其他教程将是一个很好的起点。我不确定我是否理解你的问题。如果
X
为正态分布，则
max（X）=0.8
的概率为零。