Tylko dla podkreślenia ogólnej idei bootstrapowania w R, chociaż @karacal już odpowiedział na twoje pytanie poprzez swój komentarz. Podczas korzystania z boot
, musisz mieć strukturę danych (zazwyczaj macierz), która może być próbkowana według wiersza. Obliczanie twoich statystyk zwykle odbywa się w funkcji, która odbiera tę macierz danych i zwraca statystyczną stopę procentową obliczoną po ponownym próbkowaniu. Następnie należy zadzwonić pod numer boot()
, który zajmuje się zastosowaniem tej funkcji do replikowania i zbierania wyników w formacie strukturalnym. Te wyniki można z kolei ocenić za pomocą boot.ci()
.
Oto dwa przykłady pracy z badaniem low birth baby
w pakiecie MASS
.
require(MASS)
data(birthwt)
# compute CIs for correlation between mother's weight and birth weight
cor.boot <- function(data, k) cor(data[k,])[1,2]
cor.res <- boot(data=with(birthwt, cbind(lwt, bwt)),
statistic=cor.boot, R=500)
cor.res
boot.ci(cor.res, type="bca")
# compute CI for a particular regression coefficient, e.g. bwt ~ smoke + ht
fm <- bwt ~ smoke + ht
reg.boot <- function(formula, data, k) coef(lm(formula, data[k,]))
reg.res <- boot(data=birthwt, statistic=reg.boot,
R=500, formula=fm)
boot.ci(reg.res, type="bca", index=2) # smoke
[R FAQ: W jaki sposób można wygenerować bootstrap statystyk w R] (http://www.ats.ucla.edu/stat/r/faq/boot.htm) + pamiętać, że hipoteza zerowa testu jest znaczący iff odpowiedni CI nie zawiera wartości statystyki testowej pod wartością null. – caracal