Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

jackknife

El muestreo de Jackknife

Sintaxis

jackstat = jackknife(jackfun,X)
jackstat = jackknife(jackfun,X,Y,...)
jackstat = jackknife(jackfun,...,'Options',option)

Descripción

jackstat = jackknife(jackfun,X) dibuja las muestras de datos de Jackknife de la matriz-por-Data, calcula las estadísticas de cada ejemplo utilizando la función y devuelve los resultados en la matriz. considera cada fila de una muestra de datos, por lo que hay ejemplos de datos.npXjackfunjackstatjackknifeXn Cada una de las filas contiene los resultados de aplicar a una muestra de Jackknife. es un identificador de función especificado con.njackstatjackfunjackfun@ Fila de contiene los resultados de la muestra que consta de con la fila TH omitido: si devuelve una matriz o matriz, a continuación, esta salida se convierte en un vector de fila para el almacenamiento en.ijackstatXi

s = x; s(i,:) = []; jackstat(i,:) = jackfun(s);
jackfunjackstat Si es un vector de fila, se convierte en un vector de columna.X

jackstat = jackknife(jackfun,X,Y,...) acepta argumentos adicionales que se suministren como entradas.jackfun Pueden ser escalares, vectores de columna o matrices. crea cada muestra de Jackknife mediante muestreo con sustitución de las filas de los argumentos de datos no escalares (estos deben tener el mismo número de filas).jackknife Los datos escalares se pasan a sin cambios.jackfun Los argumentos no escalares deben tener el mismo número de filas y cada ejemplo de Jackknife omite la misma fila de estos argumentos.

jackstat = jackknife(jackfun,...,'Options',option) proporciona una opción para realizar iteraciones de Jackknife en paralelo, si está disponible.Parallel Computing Toolbox™ Establecer como una estructura que se crea con. utiliza el siguiente campo en la estructura:'Options'statsetjackknife

'UseParallel'

Si, utilice varios procesadores para calcular iteraciones de Jackknife.true Si el no está instalado, entonces el cálculo ocurre en el modo serial.Parallel Computing Toolbox El valor predeterminado es, es decir computación serial.false

Ejemplos

Estimar el sesgo del estimador de varianza de MLE de muestras aleatorias tomadas del vector usando.yjackknife El sesgo tiene una fórmula conocida en este problema, por lo que puede comparar el valor con esta fórmula.jackknife

sigma = 5; y = normrnd(0,sigma,100,1); m = jackknife(@var,y,1); n = length(y); bias = -sigma^2/n % known bias formula jbias = (n-1)*(mean(m)-var(y,1)) % jackknife bias estimate  bias =    -0.2500  jbias =    -0.3378

Capacidades ampliadas

Introducido en R2006a