R语言如何计算Bootstrap标准误差

在这篇文章中，我们将研究使用R编程语言中的各种包及其功能来计算自举标准误差的不同方法。

Bootstrap标准误差 。

自举样本的标准差（也称为自举标准误差）是对平均值的抽样分布的标准差的估计。

计算给定数据的bootstrap标准误差的步骤。

从给定的数据集中抽取k个重复样本，并进行替换。
对于每个样本，计算标准误差：S/√n。
这将导致对标准误差的k个不同的估计。为了找到bootstrapped标准误差，取k个标准误差的平均值。

方法1：使用 boot 包中的 boot() 函数

在这个方法中，用户首先需要在工作的R控制台中安装并导入boot包，然后用户需要调用boot()函数，将所需的数据作为参数传入其中，这将进一步返回R编程语言中给定数据的Bootstrap标准误差。

安装和导入boot包的语法 。

install.packages('boot')
library('boot')

Boot()函数： 该函数为boot包中的boot函数提供了一个简单的前端，专门用于基于回归模型的bootstrapping。

语法： Boot(object, f=coef, labels=names(f(object)),R=999, …)

参数。

object。一个类的对象。
f：一个函数，它的一个参数是回归对象的名称，它将被应用于更新的回归对象，以计算感兴趣的统计数据。
labels。为f计算的统计数据提供标签。
R：引导样本的数量。

例子。

在这个例子中，我们将使用boot包中的boot()函数对包含10个元素的向量进行bootstrap标准误差，在R编程语言中使用100个bootstrap样本。

library(boot)
  
# Create data
gfg <- c(244,753,596,645,874,141,639,465,999,654)
  
# Calculating the mean 
m <- function(gfg,i){mean(gfg[i])}
  
# Calculate standard error using 100
# bootstrapped samples
boot(gfg, m, 100)

输出。

ORDINARY NONPARAMETRIC BOOTSTRAP


Call:
boot(data = gfg, statistic = m, R = 100)


Bootstrap Statistics :
    original  bias    std. error
t1*      601  -3.231    80.02706

方法2：使用公式计算自举标准误差

在这种计算自举标准误差的方法中，用户需要使用直接的公式来获得同样的结果，而不需要使用R编程语言中的任何包。

如何在R语言中计算Bootstrap标准误差？

例子。

在这个例子中，我们将使用直接公式来获得包含10个元素的向量的自举标准误差，在R编程语言中。

# Create data
gfg <- c(244,753,596,645,874,141,639,465,999,654)
  
# Calculating the bootstrap standard error 
mean(replicate(100, sd(sample(
  gfg, replace=T))/sqrt(length(gfg))))

输出。