0

私もこれを試しました：

plot(x(bootsam(:,100)),y(bootsam(:,100)), 'r*')しかし、それは私のデータとまったく同じでした！95% 信頼区間でデータをリサンプリングしたいと考えています。しかし、このコマンド bootstrp は単独では機能しないようです。組み合わせるには、いくつかの機能または他のコマンドが必要です。それを理解するのを手伝ってくれませんか？

いくつかのデータをランダムに生成したいのですが、元のデータの周りの関数のように動作します。元のデータが赤で、リサンプリングされたデータが青と緑の色であるプロットを添付しました。 ここに画像の説明を入力

一般に、ブートストラップを使用して、最適なパラメーターのエラーを見つけたいと思います。私はこの本を読みました: http://books.google.de/books?id=ekyupqnDFzMC&lpg=PA131&vq=bootstrap&hl=de&pg=PA130#v=onepage&q&f=false 私のフィットしたパラメータをエラー分析するための他の方法は高く評価されています.

4

1 に答える 1

1

この方法から始めて、それをあなたのケースに適応させることをお勧めします。

% One step at a time.
% Step 1: Suppose you generate a simple linear deterministic trend with
% noise from the standardized Gaussian distribution:
N = 1000;    % number of points
x = [(1:N)', ones(N, 1)];    % x values
b = [0.15, 157]';    % parameters
y = x * b + 10 * randn(N, 1);    % linear trend with noise
% Step 2: Suppose you want to fit y with a linear equation:
[b_hat, bint1] = regress(y, x);    % estimate parameters with linear regression
y_fit = x * b_hat;    % calculate fitted values
resid = y - y_fit;    % calculate residuals
plot(x(:, 1), y, '.')    % plot
hold on
plot(x(:, 1), y_fit, 'r', 'LineWidth', 5)    % fitted values
% Step 3: use bootstrap approach to estimate the confidence interval of
% regression parameters
N_boot = 10000;    % size of bootstrap
b_boot = bootstrp(N_boot, @(bootr)regress(y_fit + bootr, x), resid);    % bootstrap
bint2 = prctile(b_boot, [2.5, 97.5])';    % percentiles 2.5 and 97.5, a 95% confidence interval
% The confidence intervals obtained with regress and bootstrp are
% practically identical:
bint1
bint2
于 2013-10-28T10:54:10.640 に答える