Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
Bootstrap intervalo de confianza
ci = bootci(nboot,bootfun,...)
ci = bootci(nboot,{bootfun,...},'alpha',alpha)
ci = bootci(nboot,{bootfun,...},...,'type',type
)
ci = bootci(nboot,{bootfun,...},...,'type','student','nbootstd',nbootstd)
ci = bootci(nboot,{bootfun,...},...,'type','student','stderr',stderr)
ci = bootci(nboot,{bootfun,...},...,'Weights',weights)
ci = bootci(nboot,{bootfun,...},...,'Options',options)
[ci,bootstat] = bootci(...)
ci = bootci(nboot,bootfun,...)
calcula el intervalo de confianza de bootstrap de 95% de la estadística calculada por la función. es un entero positivo que indica el número de muestras de arranque utilizadas en el cálculo. es un identificador de función especificado con.bootfun
nboot
bootfun
@
Los argumentos de entrada tercero y posterior son datos (escalares, vectores de columna o matrices) que se utilizan para crear entradas. crea cada ejemplo de bootstrap mediante muestreo con sustitución de las filas de los argumentos de datos no escalares (estos deben tener el mismo número de filas).bootci
bootfun
bootci
Los datos escalares se pasan a sin cambios.bootfun
Si devuelve un escalar, es un vector que contiene los límites inferior y superior del intervalo de confianza.bootfun
ci
Si devuelve un vector de longitud, es una matriz de tamaño 2 por-, donde son los límites inferiores y son los límites superiores.bootfun
mci
mci(1,:)
ci(2,:)
Si devuelve una matriz de tamaño por--por--por-..., es una matriz de tamaño 2-por--por--por-..., donde es una matriz de límites inferiores y es una matriz de límites superiores.bootfun
mnpci
mnpci(1,:,:,:,...)
ci(2,:,:,:,...)
ci = bootci(nboot,{bootfun,...},'alpha',alpha)
calcula el intervalo de confianza de arranque de la estadística definida por la función. y los datos que se le pasan están contenidos en una matriz de celda única. es un escalar entre y.100*(1-alpha)
bootfun
bootfun
bootci
alpha
0
1
El valor predeterminado es.alpha
0.05
ci = bootci(nboot,{bootfun,...},...,'type',
calcula el intervalo de confianza de arranque de la estadística definida por la función.type
)bootfun
es el tipo de intervalo de confianza, elegido entre los siguientes:type
o — intervalo aproximado normal con sesgo bootstrapped y error estándar.'norm'
'normal'
o — método de percentil básico.'per'
'percentile'
o — método de percentil corregido de sesgo.'cper'
'corrected percentile'
— Método de percentil acelerado y corregido por sesgo.'bca'
Este es el valor predeterminado.
o: intervalo de confianza con Studentized.'stud'
'student'
ci = bootci(nboot,{bootfun,...},...,'type','student','nbootstd',nbootstd)
calcula el intervalo de confianza de arranque con estudentizado de la estadística definida por la función.bootfun
El error estándar de las estadísticas de arranque se estima mediante Bootstrap, con muestras de datos de arranque. es un valor entero positivo.nbootstd
nbootstd
El valor predeterminado es.nbootstd
100
ci = bootci(nboot,{bootfun,...},...,'type','student','stderr',stderr)
calcula el intervalo de confianza de arranque estudentizado de las estadísticas definidas por la función.bootfun
La función evalúa el error estándar de las estadísticas de arranque. es un identificador de función. toma los mismos argumentos que y devuelve el error estándar de la estadística calculada por.stderr
stderr
stderr
bootfun
bootfun
ci = bootci(nboot,{bootfun,...},...,'Weights',weights)
especifica los pesos de observación. debe ser un vector de números no negativos con al menos un elemento positivo.weights
El número de elementos en debe ser igual al número de filas en los argumentos de entrada no escalar a.weights
bootfun
Para obtener una réplica de bootstrap, las muestras se obtienen con el reemplazo utilizando estas ponderaciones como probabilidades de muestreo multinomial.bootstrp
NN
ci = bootci(nboot,{bootfun,...},...,'Options',options)
especifica las opciones que rigen el cálculo de iteraciones de arranque. Una opción solicita que realice iteraciones de arranque con varios procesadores, si está disponible.bootci
Parallel Computing Toolbox™ Dos opciones especifican los flujos de números aleatorios que se utilizarán en el remuestreo de arranque. Este argumento es un struct que se puede crear con una llamada a.statset
Puede recuperar valores de los campos individuales con una llamada a.statget
Los parámetros aplicables son:statset
: Si y si una de las está abierta, calcule las iteraciones de arranque en paralelo.'UseParallel'
true
parpool
Parallel Computing Toolbox Si el no está instalado, o no está abierto, el cálculo ocurre en el modo serial.Parallel Computing Toolboxparpool
El valor predeterminado es el cálculo en serie.false
: Se configura para que se calcule en paralelo de forma reproducible.UseSubstreams
true
El valor predeterminado es.false
Para calcular reproduciblemente, establezca un tipo que permita subsecuencias: o.Streams
'mlfg6331_64'
'mrg32k3a'
— Un objeto o matriz de celdas de estos objetos.Streams
RandStream
Si no se especifica, utiliza la secuencia o secuencias predeterminadas.Streams
bootci
Si decide especificar, utilice un único objeto excepto en el casoStreams
EsUseParallel
true
EsUseSubstreams
false
En ese caso, utilice una matriz de celdas del mismo tamaño que el grupo paralelo.
[ci,bootstat] = bootci(...)
también devuelve la estadística bootstrapped calculada para cada uno de los ejemplos de réplica de bootstrap.nboot
Cada fila de contiene los resultados de aplicar a una muestra de arranque.bootstat
bootfun
Si devuelve una matriz o matriz, esta salida se convierte en un vector de fila para el almacenamiento.bootfun
bootstat
Calcule el intervalo de confianza para el índice de capacidad en el control estadístico de procesos:
y = normrnd(1,1,30,1); % Simulated process data LSL = -3; USL = 3; % Process specifications capable = @(x)(USL-LSL)./(6* std(x)); % Process capability ci = bootci(2000,capable,y) % BCa confidence interval ci = 0.8122 1.2657 sci = bootci(2000,{capable,y},'type','student') % Studentized ci sci = 0.7739 1.2707