R linear.approx Bootstrap 重複的線性近似

說明

此函數采用引導程序對象，並且對於每個引導程序複製，它計算該引導程序樣本的感興趣統計量的線性近似值。

用法

linear.approx(boot.out, L = NULL, index = 1, type = NULL,
              t0 = NULL, t = NULL, ...)

參數

boot.out	代表非參數引導程序的 "boot" 類的對象。它通常由函數 boot 創建。
L	包含感興趣統計的經驗影響值的向量。如果未提供，則通過調用 empinf 計算 L 。
index	boot.out$statistic 輸出中感興趣的變量的索引。
type	這給出了要計算的經驗影響值的類型。如果提供L，則不使用它。 empinf 的幫助中說明了經驗影響值的可能類型。
t0	感興趣的統計量的觀測值。僅當還提供了 t 或 L 之一時才使用輸入值。默認值為boot.out$t0[index]。如果提供了t0，但既沒有提供t，也沒有提供L，則t0 將設置為boot.out$t0[index]，並生成警告。
t	感興趣的統計數據的引導複製向量。如果 t0 缺失，則不使用 t，否則用於計算經驗影響值(如果 L 中未提供)。
...	boot.out$statistic 所需的任何額外參數。如果未提供L，則需要這些，因為empinf 使用它們來計算經驗影響值。

細節

在一個樣本中，t0 + sum(L * f)/n 給出了頻率向量 f 的引導複製的線性近似，並且可以輕鬆擴展到分層情況。通過調用 boot.array 可以找到頻率。

值

長度為 boot.out$R 的向量，具有每個引導樣本的感興趣統計量的線性近似值。

例子

# Using the city data let us look at the linear approximation to the 
# ratio statistic and its logarithm. We compare these with the 
# corresponding plots for the bigcity data 

ratio <- function(d, w) sum(d$x * w)/sum(d$u * w)
city.boot <- boot(city, ratio, R = 499, stype = "w")
bigcity.boot <- boot(bigcity, ratio, R = 499, stype = "w")
op <- par(pty = "s", mfrow = c(2, 2))

# The first plot is for the city data ratio statistic.
city.lin1 <- linear.approx(city.boot)
lim <- range(c(city.boot$t,city.lin1))
plot(city.boot$t, city.lin1, xlim = lim, ylim = lim, 
     main = "Ratio; n=10", xlab = "t*", ylab = "tL*")
abline(0, 1)

# Now for the log of the ratio statistic for the city data.
city.lin2 <- linear.approx(city.boot,t0 = log(city.boot$t0), 
                           t = log(city.boot$t))
lim <- range(c(log(city.boot$t),city.lin2))
plot(log(city.boot$t), city.lin2, xlim = lim, ylim = lim, 
     main = "Log(Ratio); n=10", xlab = "t*", ylab = "tL*")
abline(0, 1)

# The ratio statistic for the bigcity data.
bigcity.lin1 <- linear.approx(bigcity.boot)
lim <- range(c(bigcity.boot$t,bigcity.lin1))
plot(bigcity.lin1, bigcity.boot$t, xlim = lim, ylim = lim,
     main = "Ratio; n=49", xlab = "t*", ylab = "tL*")
abline(0, 1)

# Finally the log of the ratio statistic for the bigcity data.
bigcity.lin2 <- linear.approx(bigcity.boot,t0 = log(bigcity.boot$t0), 
                              t = log(bigcity.boot$t))
lim <- range(c(log(bigcity.boot$t),bigcity.lin2))
plot(bigcity.lin2, log(bigcity.boot$t), xlim = lim, ylim = lim,
     main = "Log(Ratio); n=49", xlab = "t*", ylab = "tL*")
abline(0, 1)

par(op)

參考

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

也可以看看

boot , empinf , control