统计量的标准误的估计(bootstrap方法) |
您所在的位置:网站首页 › bootstrap值的意义 › 统计量的标准误的估计(bootstrap方法) |
文章目录
概念统计的理论尝试去解决三类问题The accuracy of a sample mean统计量 $s(\vec{x})$的标准误的估计(bootstrap method)
概念
标准差:衡量单次抽样中样本的离散程度。 样本均值标准误:也就是对某个样本进行多次抽样,每次都可以计算样本均值。然后这些样本均值的标准差被称作样本均值标准误。 样本均值标准误衡量了样本均值和总体均值的差距,也就是基于当前数据得到的样本均值的可信程度。 那么对于一般统计量的标准误,也可以如此进行定义。 统计的理论尝试去解决三类问题 找数据分析总结数据结论的可信度问题3包含了一部分统计推断的的过程。 bootstrap 是一种对一些类别的问题进行统计推断的方法。 why and when bootstrap methods works, 以及它们怎样应用在实际中。 The accuracy of a sample meanThe estimated standard error of(标准误) a mean x ˉ \bar x xˉ based on n independent data points is given by the formula: s 2 n \sqrt{\frac{s^2}{n}} ns2 where s 2 = ∑ i = 1 n ( x i − x ˉ ) 2 / ( n − 1 ) s^2 = \sum\limits_{i = 1}^{n}(x_i - \bar x)^2 / (n - 1) s2=i=1∑n(xi−xˉ)2/(n−1) 注:我们知道对于正态总体,样本均值 x ˉ ∼ N ( μ , σ 2 n ) \bar{x} \sim N(\mu, \frac{\sigma^2}{n}) xˉ∼N(μ,nσ2) ,所以可以用上式来估计样本均值的标准误。 粗略的讲(对于正态总体),一个estimator 的值在其均值加减一倍标准误之间的概率是68%,在其均值加减两倍标准误之间的概率是95%。 这种方法的缺点在于除了均值这个estimator 以外,其他的estimator 没有这样好的公式了。 如想使用中位数,一个是94, 一个是46,差是48, 那么怎么估计这两个中位数的准确度呢? 使用bootstrap! 统计量 s ( x ⃗ ) s(\vec{x}) s(x )的标准误的估计(bootstrap method)设我们观测到独立的数据点 x ⃗ = ( x 1 , x 2 , . . . x n ) \vec{x} = (x_1, x_2, ...x_n) x =(x1,x2,...xn),我们关注的统计量是 s ( x ⃗ ) s(\vec{x}) s(x ) The bootstrap estimate of standard error: 一个bootstrap 样本 x ∗ ⃗ = ( x 1 ∗ , x 2 ∗ , . . . x n ∗ ) \vec{x^*} = (x_1^*, x_2^*, ...x_n^*) x∗ =(x1∗,x2∗,...xn∗)是通过独立放回取样n次得到的。 例如:n = 7,我们可能得到 x ∗ ⃗ = ( x 5 , x 7 , x 5 , x 4 , x 7 , x 3 , x 1 ) \vec{x^*} = (x_5, x_7, x_5, x_4, x_7,x_3, x_1) x∗ =(x5,x7,x5,x4,x7,x3,x1) 图2.1是bootstrap 过程的流程图。bootstrap 算法从产生大量独立的bootstrap 样本 x ∗ 1 ⃗ , . . . x ∗ B ⃗ \vec{x^{*1}}, ... \vec{x^{*B}} x∗1 ,...x∗B , 每一个都有n个分量开始。对于估计标准误, B一般取50 到 200。 对应于每一个 bootstrap 样本,有一个统计量 s 的 bootstrap replication, 称为 s ( x ∗ b ) s(x^{*b}) s(x∗b),那么可以估计出统计量 s ( x ⃗ ) s(\vec{x}) s(x )的标准误: s e b o o t = { ∑ b = 1 B [ s ( x ∗ b ⃗ ) − s ( ⋅ ) ] 2 / ( B − 1 ) } 1 2 se_{boot} = \{\sum\limits_{b = 1}^{B}[s(\vec{x^{*b}})-s(\cdot)]^2 / (B - 1)\}^{\frac{1}{2}} seboot={b=1∑B[s(x∗b )−s(⋅)]2/(B−1)}21 s ( ⋅ ) = ∑ b = 1 B s ( x ∗ b ⃗ ) / B s(\cdot) = \sum\limits_{b = 1}^{B} s(\vec{x^{*b}}) / B s(⋅)=b=1∑Bs(x∗b )/B 以下是样本均值和中位数的标准误的bootstrap估计。 bootstrap 方法通过自采样解决了小样本问题中统计量的标准误的估计问题。 标准误是衡量统计量的精确度的最简单的标准,后面的chapter会展示如何评价更加精确的度量标准, 如biases,predicton errors, confidence intervals。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |