R boot 函数 - plot 中 t 和 t* 的解释 - 标准图形的修改
R boot function - interpretation of t and t* in plot - modification of standard graphics
我开始在 R
中使用包 boot
,但我在理解参数 t
和 t*
在地块上的意义时遇到了一些困难。
基本代码如下:
library(boot)
mydata <- c(0.461, 3.243, 8.822, 3.442)
meanFunc <- function(mydata, i){mean(mydata[i])}
bootMean <- boot(mydata, meanFunc, 250)
plot(bootMean)
当使用命令plot.boot
时,我得到这个图形:
代表什么t*
。为什么标题说的是 t 的直方图,但在 x 轴上我们有 t*
?
作为补充问题:如何修改此图形的属性,例如颜色、平铺或轴?
谢谢
在启动的输出中(在你的例子中是 bootMean
),可以找到两种类型的 t
:t0
和 t
。
来自?boot
的文档:
t0
The observed value of statistic applied to data.
这是您的 meanFunc
函数在原始数据集上的值,即:
> mean(mydata)
[1] 3.992
这在引导输出中称为原始 t*
或 t1*
:
> bootMean
ORDINARY NONPARAMETRIC BOOTSTRAP
Call:
boot(data = mydata, statistic = meanFunc, R = 250)
Bootstrap Statistics :
original bias std. error
t1* 3.992 0.165301 1.512914
然后你有
t
A matrix with sum(R) rows each of which is a bootstrap replicate of the result of calling statistic
t
这里表示根据您的 R
参数生成的所有统计数据的矩阵(在您的情况下为向量),即在您的情况下为 250。
因此,t
和t*
之间是有区别的,区别在于t
是所有统计数据的矩阵,即t
这里是我们会在统计中调用随机变量,而 t*
是 t
随机变量的估计值。在您的情况下,您得到 250 个估计值 t*
s,由 R
参数确定。换句话说,t
是矩阵,t*
是矩阵的元素。
因此该图也很有意义,因为它是随机变量 t
的直方图,x 轴包含随机变量的估计值,即 t*
s。
我开始在 R
中使用包 boot
,但我在理解参数 t
和 t*
在地块上的意义时遇到了一些困难。
基本代码如下:
library(boot)
mydata <- c(0.461, 3.243, 8.822, 3.442)
meanFunc <- function(mydata, i){mean(mydata[i])}
bootMean <- boot(mydata, meanFunc, 250)
plot(bootMean)
当使用命令plot.boot
时,我得到这个图形:
代表什么t*
。为什么标题说的是 t 的直方图,但在 x 轴上我们有 t*
?
作为补充问题:如何修改此图形的属性,例如颜色、平铺或轴?
谢谢
在启动的输出中(在你的例子中是 bootMean
),可以找到两种类型的 t
:t0
和 t
。
来自?boot
的文档:
t0
The observed value of statistic applied to data.
这是您的 meanFunc
函数在原始数据集上的值,即:
> mean(mydata)
[1] 3.992
这在引导输出中称为原始 t*
或 t1*
:
> bootMean
ORDINARY NONPARAMETRIC BOOTSTRAP
Call:
boot(data = mydata, statistic = meanFunc, R = 250)
Bootstrap Statistics :
original bias std. error
t1* 3.992 0.165301 1.512914
然后你有
t
A matrix with sum(R) rows each of which is a bootstrap replicate of the result of calling statistic
t
这里表示根据您的 R
参数生成的所有统计数据的矩阵(在您的情况下为向量),即在您的情况下为 250。
因此,t
和t*
之间是有区别的,区别在于t
是所有统计数据的矩阵,即t
这里是我们会在统计中调用随机变量,而 t*
是 t
随机变量的估计值。在您的情况下,您得到 250 个估计值 t*
s,由 R
参数确定。换句话说,t
是矩阵,t*
是矩阵的元素。
因此该图也很有意义,因为它是随机变量 t
的直方图,x 轴包含随机变量的估计值,即 t*
s。