Передискретизация методов

Передискретизируйте набор данных с помощью начальной загрузки, складного ножа и перекрестной проверки

Используйте методы передискретизации, чтобы оценить описательную статистику и доверительные интервалы от выборочных данных, когда параметрическим тестовым предположениям не будут соответствовать, или для небольших выборок от ненормальных распределений. Загрузитесь методы выбирают случайные выборки с заменой от выборочных данных, чтобы оценить доверительные интервалы для параметров интереса. Складной нож систематически повторно вычисляет параметр интереса с помощью подмножества выборочных данных, упуская одно наблюдение из подмножества каждый раз (передискретизация "пропускают один"). От этих вычислений это оценивает представляющий интерес параметр для целой выборки данных. Если у вас есть лицензия Parallel Computing Toolbox™, можно использовать параллельные вычисления, чтобы ускорить вычисления передискретизации.

Функции

bootciЗагрузите доверительный интервал
bootstrpЗагрузите выборку
combnkПеречисление комбинаций
crossvalОценка потерь с помощью перекрестной проверки
datasampleСлучайным образом демонстрационный из данных, с или без замены
jackknifeВыборка складного ножа
randsampleСлучайная выборка

Темы

Передискретизация статистики

Используйте начальную загрузку и методы складного ножа, чтобы измерить неопределенность в предполагаемых параметрах и статистике.

Параллельные вычисления быстрого запуска для Statistics and Machine Learning Toolbox

Начните с параллельным статистическим вычислением.

Реализуйте складной нож Используя параллельные вычисления

Ускорьте складной нож с помощью параллельных вычислений.

Реализуйте перекрестную проверку Используя параллельные вычисления

Ускорьте перекрестную проверку с помощью параллельных вычислений.

Реализуйте начальную загрузку Используя параллельные вычисления

Ускорьте начальную загрузку с помощью параллельных вычислений.

Для просмотра документации необходимо авторизоваться на сайте