四川动物2010年第29卷第4期
论分布F(θ;x)的一致性估计。
Bootstrap方法的具体步骤如下:首先有一个实际观测到
它含有n个观测,然后根据的数据集(称之为原始数据集),
分析的需要确定计算某个统计量的公式。从这个数据集中
称之为Bootstrap有放回地随机抽取m个观测组成一个样本,
样本。在一次随机抽样中,原始数据集中的观测有的只被抽
到1次,有的超过1次,也有的没有被抽到。利用这个被抽到的样本,按照事先确定的公式,计算出所需要的统计量。如此反复抽样和估计,称之为复制。最后由复制出的统计量的2,……m),值组成一个数据集(θi;i=1,并利用这个数据集
即产生经验分布,这样,即使我来反映该统计量的抽样分布,
们对总体分布不确定,也可以近似估计出一些统计量及其置
信区间(例如均数、中位数等)。尤其值得说明的是,利用Bootstrap方法所获得的经验分布的特征,可用于解决那些难以用常规方法导出的对参数的区间估计、假设检验等问题。
SichuanJournalofZoologyVol.29No.42010
布符合正态分布时,以其平均数0作为点估计,用正态原理
估计可信区间;频数分布为偏态时,以其中位数作为点估计,以自举统计数分布的上、下2.5%分位数作为其95%可信限。
(5)分别计算平均数(或中位数)的估计值和95%的置信区间。
本例Bootstrap方法所获得1000个平均值的分布见图1

。
2
2.1
Bootstrap方法应用实例
图1Bootstrap样本平均数的分布
Fig.1DistributionoftheBootstrapsampleaverage
参数的区间估计【例1】从一个λ=1的Poisson分布总体中随机抽取一个样本含量为100的样本。对该样本用Bootstrap方法来估计
Shapiro-Wilk检验表明符合正态分布(W=0.9993,P=0.972),其平均数的估计值和95%的置信区间为:0±za/2S(x)=1.130±0.192。2.22.2.1
假设检验
两均数比较【例2】“东方红3号”“农大193”冬小麦和的蛋白质含量(%)测定结果如表1,两种冬小麦蛋白质含量是否有显著差异?
本例原假设为两种冬小麦蛋白质含量没有显著差异,即H0∶μ1-μ2=0。上述两样本经测验为方差异质(F=6.35,P<0.05),此时若用常规t测验,得出t值的抽样分布并不服从t分布,因此难以用常规t测验来检测。用Bootstrap方法进行同样的假设测验,步骤如下:
平均数和95可信区间。
本例数据来源于Poisson分布总体,为非对称分布,不能用正态分布或t分布的原理来估计其均值的置信区间。Boot-strap方法不需要进行分布假设,步骤如下:
(1)产生一个样本容量为100,符合Poisson分布的随机样本;计算其平均值0。
(2)以上面的100个随机数作为原始数据集,从中有放回地随机抽取1个含量仍为100的Bootstrap样本,计算其平均值0。
(3)重复步骤(2)m次(本研究m=1000),共获得m个值。
(4)检验m个平均值是否符合正态分布,平均值频数分
*
表1两种冬小麦蛋白质含量测定结果
Table1Proteincontentoftwowinterwheats
品种Species东方红3号
Dongfanghongnumber3农大193号Nongdanumber193
蛋白质含量(%)Proteincontent(%)11.8,15.1,16.4,14.8,13.5,14.2,14.5,14.8,13.8,15.011.7,10.8,11.6,11.9,12.0
平均值Average
14.3911.60
标准差StandardDeviation
1.2090.474
(1)利用原始数据计算两种冬小麦蛋白质含量平均数之差,记为W0=1-2。
(2)从东方红3号中有放回的抽取一个容量为10的自
*
x12…,x110,记为x11,计算出1=举样本,
含0,则不拒绝原假设,否则拒绝原假设。
本例两种冬小麦蛋白质含量自举样本平均数之差的第
2.5%分位数到第97.5%分位数所包括的区间是(1.95,4.98),不包含0,拒绝原假设,即两种冬小麦蛋白质含量存在显著差异。2.2.2
多个样本平均数的比较【例3】采用三种黑光灯诱捕昆虫,捕获数见表2,其差异
110
∑x;从农大19310i=11i
x22…,中有放回的抽取一个容量为5的自举样本,记为x21,
*
x25,计算出2=
15**
∑x2i,然后计算W=1-2。i=15
有无统计学意义?
Wilk检验证明随对该多样本进行正态性检验,Shapiro-P=机误差不服从方差分析中的正态性假定(W=0.8332,);(3)重复步骤(2)m-1次(本研究m=1000),共获得m个W值(包括W0),按由小到大的顺序排列,由此得出W值
W0.975)包20.025和W.975若区间(0.,
理论新探 Bo o ts trap 方法在非参数核估计中的研究与应用潘海涛(西安财经学院 统计学院,西安 710061 ) 摘 要:当数据中存在异常值时,Bootstrap 样本可能比...
Bootstrap方法在VaR和CVaR中的应用及其实证研究_专业资料。首先介绍了VaR方法、CVaR方法的基本定义以及VaR、CVaR的非参估计的基本思想,特别是Bootstrap方法的基本思想...
以飞行器自控终点散布估计作为研究基础,对利用Bootstrap方法提升小子样下自控终点估计精度问题的自助法进行分析。在简要描述Bootstrap方法数学思想和应用方法的基础上,...
1997 OF QINGDAO UNIVERSITY X Bootstrap 方法及其应用陈红 吴汇川 ( 青岛大学纺织服装学院 ) 摘要 只依赖于给定的观测信息 , 不需要其它假设 的一种新 统计推断...
2010 Bootstrap方法在证券 投资基金风险测量中的应用李进芳 王仁曾 * 内容提要: 将 Bootstrap方法用 于计 算证 券投 资基 金的 风险 价值, 会 在很 大程...
Bootstrap方法及其在生物... 21人阅读 4页 2.00 灰色聚类分析法在地区...谢水园,等:Bosa 法在经济分析中的应用 otrp方t 流通经济 Bosrp方法在经济分析...
Bootstrap方法在区间估计中的应用_专业资料。运用bootstrap方法对总体均值区间进行估计。在小样本下用常规方法和bootstrap 4种方法对总体均值进行区间估计,在R软件中...
Bootstrap方法及其应用_IT/计算机_专业资料。bootstrap方法的综述,应用于改进...作为一种新统计方法,Boo t st rap 方法尚在发展中, 许多问题有待于研究和...
Bootstrap方法的仿真实现及其在系统偏差估计中的应用_专业资料。该文研究Bootstrap方法与Bayes Bootstrap方法的原理及在小样本情况下的应用问题。分析了这二种统计...
热门文档