Используйте методы повторной дискретизации для оценки описательной статистики и доверительных интервалов из выборочных данных, когда допущения параметрического теста не выполняются, или для небольших выборок из ненормальных распределений. Методы Bootstrap выбирают случайные выборки с заменой из выборочных данных, чтобы оценить доверительные интервалы для интересующих параметров. Jackknife систематически пересчитывает интересующий параметр с помощью подмножества выборочных данных, каждый раз оставляя одно наблюдение вне подмножества (повторная дискретизация с единичной выборкой). Из этих вычислений он оценивает интересующий параметр для всей выборки данных. Если у вас есть лицензия Parallel Computing Toolbox™, можно использовать параллельные вычисления, чтобы ускорить вычисления повторной дискретизации.
bootci | Доверительный интервал Bootstrap |
bootstrp | Выборка Bootstrap |
crossval | Оцените потери с помощью перекрестной проверки |
datasample | Случайная выборка из данных, с заменой или без |
jackknife | Отбор проб Jackknife |
randsample | Случайная выборка |
Статистика повторной дискретизации
Используйте методы bootstrap и jackknife, чтобы измерить неопределенность в предполагаемых параметрах и статистике.
Начало работы с параллельными статистическими вычислениями.
Реализуйте Jackknife с помощью параллельных вычислений
Ускорите работу джекнойфа с помощью параллельных вычислений.
Реализуйте перекрестную валидацию с помощью параллельных вычислений
Ускорите перекрестную валидацию с помощью параллельных вычислений.
Реализуйте Bootstrap с использованием параллельных вычислений
Ускорите загрузку с помощью параллельных вычислений.
