UA MATH566 統計理論10 Bootstrap簡介

Bootstrap是用來替代基于CDF的一些統計計算的手段：當真實的CDF（記為$F\in \mathbb{F}$，$\mathbb{F}$是CDF的函數空間）未知時，我們選擇用經驗分布函數（記為${\hat{F}}_n$）代替真實的CDF，輔以重抽樣的方法，用來估計隨機變量的函數的期望、隨機變量的分位點等統計量。根據${\hat{F}}_n$的不同構造方法，Bootstrap分為Parametric Bootstrap和Non-parametric Bootstrap。

假設$X=(X_1,?,X_n)$是$F$的一組簡單隨機樣本，總體是定義在$(\Omega ,\mathcal{F},P)$中的隨機變量，$F$的參數為$\theta \in \Theta$，假設$\hat{\theta }$是參數的估計量，則可以根據這個估計量來構造經驗分布函數：
$${\hat{F}}_n(x)=F(x|\hat{\theta })$$
基于這種構造的Bootstrap叫做Parametric Bootstrap。如果直接根據樣本構造經驗分布函數：
$${\hat{F}}_n(x)=\frac{1}{n}\sum _{i=1}^{n}I\{X_i\in (?\infty ,x]\}$$
基于這種構造的Bootstrap叫做Non-parametric Bootstrap。

假設我們想要用Bootstrap估計的量是$r=R(X,F)$：
$$R(X,F):\mathcal{X}\times \mathbb{F}\to \mathbb{R}$$
這里$\mathcal{X}$是樣本空間，可以理解成$n$個概率空間的直積，這個映射的含義是我們要估計的這個$r$依賴于樣本和分布函數?，F在記$X^{?}$是重抽樣的樣本（以${\hat{F}}_n$為分布函數的重抽樣），則$r$的Bootstrap估計是
$${\hat{r}}^{Bootstrap}=R(X^{?},{\hat{F}}_n)$$
下面${\hat{r}}^{Bootstrap}$簡單記作$\hat{r}$。

例子

光學中有一個Snell定律：光在兩個均勻透明介質交接處發生折射的現象，假設光從介質1中射入介質2中，光在介質1中的傳播速度是$v_1$，入射角是${\theta }_1$；光在介質2中的傳播速度為$v_2$，出射角為${\theta }_2$，則
$$v_1\sin {\theta }_1=v_2\sin {\theta }_2$$
假設數量$\beta$表示光在介質2中的傳播速度是$\beta$個光速，則介質1是空氣時，
$$\beta =\frac{\sin {\theta }_1}{\sin {\theta }_2}$$
現在我們做了多組獨立重復試驗，試圖測量光在介質2中的傳播速度。下面是試驗的數據和估計：（用的我老師的slides的截圖）

根據這些測量數據估計出來的結果是水在介質2中的傳播速度是0.7363個光速，稱這個估計量為Snell估計。我們可以用bootstrap方法估計這個估計量的置信區間與方差：

這里的for循環就是做boostrap的過程，我們計算了1萬個boostrap估計量$\hat{\beta }$。循環體第一句話是用sample()對theta1做重抽樣，第二句話是用sample()對theta2做重抽樣，第三句話是計算第$i$個bootstrap估計量。用summary()看一下這一萬個估計量的描述性統計，發現我們用Snell定律得到的那個估計差不多是在中位數的水平。我們把這一萬個估計量當成是真實的$\beta$的一組樣本，可以根據這組樣本的經驗分布函數做區間估計，以及計算Snell估計量的方差。

根據quantile()函數返回的分位點，我們可以發現99%置信區間為[0.7019,0.7681]，95%置信區間為[0.7102,0.7607]。根據sd()的返回值，Snell估計的方差為0.01288。

不用bootstrap方法也可以近似Snell估計的誤差，我們可以用Delta方法：如果這個測量是多元變量，則Gaussian誤差$Y$，$Y～N_n(0,\Sigma )$，做一階Taylor展開為
$$g(X)\approx g(X^{?})+Dg(X^{?})Y$$
對式子兩邊求期望與方差：
$$\begin{gathered} Eg(X)\approx Eg(X^{?}) \\ Var[g(X)]\approx [g^{\prime }(X^{?}){]}^{2}Var(Y)=Dg(X^{?})\Sigma [Dg(X^{?}){]}^T \end{gathered}$$

這里用qnorm()簡單判斷一下正態性：

對比發現正態性還是可以接受的。所以可以用delta方法：

總結

以上是生活随笔為你收集整理的UA MATH566 统计理论10 Bootstrap简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。