R imp.weights 重要性采樣權重

說明

當需要估計時，假設模擬來自概率為 q 的替代分布，此函數計算糾正概率分布模擬所需的重要性采樣權重 p 。

用法

imp.weights(boot.out, def = TRUE, q = NULL)

參數

boot.out	由 boot 或 tilt.boot 生成的類 "boot" 的對象。通常，引導模擬將使用重要性重采樣來完成，並且我們希望在以相等概率采樣的假設下進行計算。
def	指示是否應計算防禦混合物分配權重的邏輯變量。這僅在 boot.out 中的重複在許多不同分布下進行模擬的情況下才有意義。如果是這種情況，那麽防禦混合權重將使用引導程序中使用的分布的混合。另一種方法是使用生成引導重采樣的分布知識來計算每個重複的權重。
q	一個概率向量，指定我們需要從中進行推斷的重采樣分布。一般來說，這對應於通常的引導重采樣分布，它為每個原始觀測值賦予相同的權重，這是默認值。 q 的長度必須等於 boot.out$data 中的觀測值數量，並且 q 的所有元素都必須為正。

細節

使用頻率向量 f 的引導複製的重要性采樣權重由 prod((q/p)^f) 給出。這會重新加權重複，以便可以找到估計值，就好像引導重新采樣是根據概率 q 生成的，盡管實際上它們來自分布 p 。

值

與 boot.out$t 長度相同的重要性權重向量。然後，這些權重可用於重新加權 boot.out$t ，以便可以找到估計值，就好像模擬來自概率為 q 的分布一樣。

注意

有關使用 imp.weights 的示例，請參閱 imp.moments 幫助中的示例。

參考

Davison, A. C. and Hinkley, D. V. (1997) Bootstrap Methods and Their Application. Cambridge University Press.

Hesterberg, T. (1995) Weighted average importance sampling and defensive mixture distributions. Technometrics, 37, 185-194.

Johns, M.V. (1988) Importance sampling for bootstrap confidence intervals. Journal of the American Statistical Association, 83, 709-714.

也可以看看

boot , exp.tilt , imp.moments , smooth.f , tilt.boot