重叠采样
jackstat =重叠(jackfun, X)
jackstat =重叠(jackfun, X, Y,…)
jackstat =重叠(jackfun,…,“选项”选项)
jackstat =重叠(jackfun, X)
的折叠刀数据样本n
——- - - - - -p
数据数组X
,使用该函数计算每个样本的统计信息jackfun
,并在矩阵中返回结果jackstat
。重叠
每一行X
作为一个数据样本,所以有n
数据样本。每一个n
行jackstat
包含应用的结果jackfun
一个折叠刀的样品。jackfun
函数句柄是否指定为@
。行我
的jackstat
包含结果的样品组成X
与我
th行省略:
s = x;(我:)= [];jackstat(我:)= jackfun(年代);
jackfun
返回一个矩阵或数组,然后将此输出转换为一个行向量以便存储在其中jackstat
。如果X
是一个行向量,它被转换成一个列向量。
jackstat =重叠(jackfun, X, Y,…)
接受作为输入提供的附加参数jackfun
。它们可以是标量,列向量,或者矩阵。重叠
通过从非标量数据参数的行(这些参数的行数必须相同)进行抽样替换,创建每个小刀样例。传递标量数据jackfun
不变。非标量参数必须具有相同的行数,每个小刀样例都从这些参数中省略相同的行。
jackstat =重叠(jackfun,…,“选项”选项)
提供一个选项来并行执行折叠迭代(如果并行计算工具箱™可用)。集“选项”
作为你创建的结构statset
。重叠
在结构中使用以下字段:
“UseParallel” |
如果 |
估计从向量中取的随机样本的MLE方差估计的偏差y
使用重叠
。在这个问题中,偏差有一个已知的公式,所以你可以比较重叠
的值。
σ= 5;y = normrnd(0,σ,100,(1);m =重叠(@var, y, 1);n =长度(y);偏差= -sigma^2/n %已知偏差公式jbias = (n-1)*(mean(m)-var(y,1)) %折刀偏差估计偏差= -0.2500 jbias = -0.3378