替换重采样

Question

我正在尝试为我的模型获取（引导的）输入数据。

源文件：https://www.dropbox.com/s/dudzxhozr50uhr7/EddyData_2010.csv?dl=0

library("dplyr")
library("readr")
library("reshape2")
library("ggplot2")

sub <- read_csv("EddyData_2010.csv", 
                col_types = list(col_integer(), col_integer(), col_double(),
                                 col_double(), col_double(), col_double(),
                                 col_double(), col_double(), col_double(),
                                 col_double(), col_double(), col_double()),
                col_names = c("Year", "DoY", "Hour", "NEE", "LE", "H", "Rg",
                              "Tair", "Tsoil", "rH", "Ustar", "VPD")) %>%
  filter(DoY == 170) %>%
  mutate(hour = 1:48) %>%
  select(NEE:hour)

# Number of resampling 
n_resempling <- 1000 
result_resampling <- NULL

# Do the resampling
for (i in 1:n_resempling) {
  result_resampling <- sample(48, 48, replace = T) %>%
    slice(sub, .) %>%
    mutate(resempling_number = i) %>%
    bind_rows(. , result_resampling)
}

这会生成带有替换的重采样，例如

输出显示 1000 个 bootstraps 在一天的 48 个半小时内通过替换重新采样。

这是我的问题：

带替换的重采样在一天中随机混合半小时，没有任何控制。例如，我不想把晚上的半小时和白天的半小时混在一起。结果导致事后进行奇怪的计算。有没有可能以我定义允许什么和不允许什么的方式对此进行编码？

示例：

只允许在晚上 10 点到下午 5 点之间重新采样
夜间时间不能用白天时间重新采样（反之亦然）

Answer 1

我对 CRD 设计做了幼稚的 bootstrap，但对时间数据没有做过。那是时间序列数据吗？据我了解，您希望仅在下午 2 点而不是下午 3 点对下午 2 点进行采样。了解抽样对于进行正确的分析很重要，因为在 R 中很容易出错。

我注意到您对 bootstrap 使用了循环而不是包。我使用 'boot' 包用于天真的 bootstrap，所以我转向 Google 查看时间数据。这是我发现的，我很抱歉这就是我所拥有的（由于缺乏代表我无法发表评论）使用启动包我敢打赌任何东西都比使用循环更快您可以使用 system.time( ) 检查，尤其是当您有大量数据时。

https://stat.ethz.ch/R-manual/R-devel/library/boot/html/tsboot.html

这是我如何处理我的天真 bootstrap:

my.boot.fnx<-function(var, ind,alpha=0.95){
  newdf      <-na.omit(var[ind])
  mymean     <-mean(newdf,na.rm=TRUE)
  mytrimmean <-mean(newdf, trim=0.1, na.rm=TRUE)
  mymedian   <-median(newdf,na.rm=TRUE)
  mysd       <-sd(newdf,na.rm=TRUE)
  nonmiss    <- length(na.omit(newdf))
  semean     <- mysd/sqrt(nonmiss)
  lcl        <- mymean - qt(1-alpha/2,nonmiss-1)*semean
  ucl        <- mymean + qt(1-alpha/2,nonmiss-1)*semean
  mygini     <-
   sum(abs(outer(newdf,newdf,FUN="")))/
   length(newdf)/(length(newdf)-1)*sqrt(pi)/2
   c(mean=mymean,median=mymedian,se=semean, 
   lcl=lcl,ucl=ucl,sd=mysd,gsd=mygini)
#gini coef is a robust measure of SE
}
strap.df <- boot(df$var,statistic=my.boot.fnx, R=1000)

我也找到了这个时间数据源 http://eranraviv.com/bootstrapping-time-series-r-code/

对于不同设计的正确分析方法也是很好的资源：

http://people.stat.sfu.ca/~cschwarz/CourseNotes/

无论如何，抱歉，我没有提供太多帮助，但想分享一些想法。

替换重采样

Resampling with replacement

r

sampling

statistics-bootstrap