[英]Calculating p-value using non-parametric bootstrap
假设我给了一个样本X。我的教授说,要使用非参数自举法找到p值。 我应该通过以下方式调整样本均值:
X = X-平均值(X)+ mu_not
然后他说要引导adjustedX,并返回均值。 在获得列表样本均值之后,可以将p值计算为小于所观察到的样本均值的自举样本均值的比例。
我已经在R中对此进行了模拟,但是没有得到接近真实p值的任何东西。
这是我的R函数:
pvalue = function(Samples, mu_not) {
X.boot = X - mean(X) + mu_not
bootstrap = sapply(1:Samples, function(a){
single = sample(X.boot, length(X.boot), replace=TRUE)
return(mean(single))
})
return(mean(mu_not < bootstrap))
}
我究竟做错了什么? 谢谢。
对于您在注释Ho: u >= u.not
提到的原假设,这不起作用:
pvalue = function(Samples, mu_not) {
X.boot = X
bootstrap = sapply(1:Samples, function(a){
single = sample(X.boot, length(X.boot), replace=TRUE)
return(mean(single))
})
return(mean(mu_not < bootstrap))
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.