原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
统计计算程序重点
bootstrap
一、
function Qb = example_bootstrap(n,sig,B)
X = normrnd(15*ones(n,1),sig);%生成均值为15，标准差为sig，服从正态分布的n行1列
%随机变量
hsig2 = X*(eye(n) - ones(n,1)*ones(1,n)/n)*X/n;%对上述X的sig2估计值
Qb = zeros(B,1);
for b = 1:B %重复有放回抽样过程n次（以上述生成的X作为总体）
id = unidrnd(n,n,1);%最大值为n的n行1列随机数。有放回抽样过程，unidrnd(N)表示产生从1到N所指定的
%最大数之间的离散均匀随机整数
Xb = X(id);%新样本
hsig2b = Xb*(eye(n) - ones(n,1)*ones(1,n)/n)*Xb/n;%新生成样本的sig2估计值
Qb(b) = n*hsig2b/hsig2; %服从自由度为（n-1)的卡方分布
end
hq = sort(Qb);%排序
p0 = ((1:B) - 0.5)/B;%从小到大的B个概率值
q0 = chi2inv(p0,n-1);%根据概率反查临界值
plot(q0,hq,o);
axis([q0(1) q0(B) hq(1) hq(B)])%坐标轴的范围 axis([xmin xmax ymin ymax])
二、
function [qb,q0] = example_bootstrap_1(n,sig,B)
X = normrnd(15*ones(n,1),sig);
hsig2 = X*(eye(n) - ones(n,1)*ones(1,n)/n)*X/n;
Qb = zeros(B,1);
for b = 1:B
id = unidrnd(n,n,1);
Xb = X(id);
hsig2b = Xb*(eye(n) - ones(n,1)*ones(1,n)/n)*Xb/n;
Qb(b) = n*hsig2b/hsig2;
end
qb = quantile(Qb,[0.25;.5;.75]);%y=quantile(x,50) the median of x
%y=quantile(x,[.25 .50 .75]) the quartiles of x
q0 = chi2inv([0.25;.5;.75],n-1);
第七章 交叉验证
function [APE] = example_cv(y,x1,x2)
DataFull = [y x1 x2];
n = length(y);
for k = 1:n
%%%%%%%% Data Partitioning %%%%%%%%%%%%%%%
DataTest = DataFull(k,:);%测试集
yTest = DataTest(:,1);%测试集的y
XTest = [1 DataTest(:,2:3)];%测试集的常数项，x1,x2
DataTrain = DataFull;%训练集
DataTrain(k,:) = [];%去掉训练集的第k项得到新的训练集
yTrain = DataTrain(:,1);%训练集的y,(n-1)行1列
XTrain = [ones(n-1,1) DataTrain(:,2:3)];%ones（n-1,1)表示常数项，(n-1)行
%%%%%%%%% Define Candidate Models %%%%%%%%
%Define Model 1
X1 = XTrain(:,1:2);
hb1 = regress(yTrain,X1);% OLS estimator最小二乘法回归
hb1 = [hb1;0];%hb1也可写作hb(1);hb(2),是回归得到的常数项和x1的系数
py1 = XTest*hb1;% predition
Loss1(k) = (yTest - py1)^2;%prediction error （y-y1bar)^2
%Define Model 2
X2 = [XTrain(:,1),XTrain(:,3)];
hb2 = regress(yTrain,X2);
hb2 = [hb2(1);0;hb2(2)];
py2 = XTes
文档评论（0）