Main Content

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

Técnicas de remuestreo

Vuelva a muestrear el conjunto de datos con bootstrap, navaja y validación cruzada

Utilice técnicas de remuestreo para estimar estadísticas descriptivas e intervalos de confianza a partir de datos de muestra cuando no se cumplan supuestos de pruebas paramétricas, o para muestras pequeñas de distribuciones no normales. métodos eligen muestras aleatorias con reemplazo de los datos de la muestra para estimar los intervalos de confianza para los parámetros de interés. recalcula sistemáticamente el parámetro de interés utilizando un subconjunto de los datos de muestra, dejando una observación fuera del subconjunto cada vez (remuestreo).BootstrapJackknifedejar uno fuera A partir de estos cálculos, estima el parámetro de interés para toda la muestra de datos. Si tiene una licencia, puede utilizar la informática paralela para acelerar los cálculos de remuestreo.Parallel Computing Toolbox™

Funciones

bootciBootstrap confidence interval
bootstrpMuestreo de arranque
combnkEnumeración de combinaciones
crossvalEstimate loss using cross-validation
datasampleMuestra aleatoria de datos, con o sin reemplazo
jackknifeJackknife sampling
randsampleMuestra aleatoria

Temas

Resampling Statistics

Use bootstrap and jackknife methods to measure the uncertainty in the estimated parameters and statistics.

Quick Start Parallel Computing for Statistics and Machine Learning Toolbox

Get started with parallel statistical computing.

Implement Jackknife Using Parallel Computing

Speed up the jackknife using parallel computing.

Implement Cross-Validation Using Parallel Computing

Speed up cross-validation using parallel computing.

Implement Bootstrap Using Parallel Computing

Speed up the bootstrap using parallel computing.