【R语言】对data.frame的行随机抽样

在 R 语言中，**Bootstrap 方法**是一种基于重复抽样的统计技术，用于估计样本统计量的不确定性。它通过从原始数据中进行 **有放回的随机抽样（resampling）** 来生成多个 Bootstrap 样本，并计算每个样本中的目标统计量，从而得到该统计量的经验分布。 ### 基本原理 Bootstrap 的核心思想是：**将原始样本视为总体**，通过对它进行多次重抽样来模拟新数据集。这种技术尤其适用于小样本或未知分布的数据[^4]。 一个典型的 Bootstrap 流程如下： 1. 从原始样本中随机抽取观测值，允许重复（即“有放回”）。 2. 计算当前 Bootstrap 样本中的统计量（如均值、方差、回归系数等）。 3. 重复上述步骤 $ B $ 次（例如 $ B = 1000 $ 或更高），得到统计量的经验分布。 4. 利用这些分布估计标准误、置信区间或其他感兴趣的指标。 --- ### 示例：使用 R 实现 Bootstrap 抽样 以下是一个简单的示例，展示如何手动实现 Bootstrap 并估计样本均值的标准误和置信区间。 ```r # 加载必要的包 library(ggplot2) # 生成一个样本数据 set.seed(123) original_data <- rnorm(50, mean = 10, sd = 2) # 定义 Bootstrap 函数 bootstrap_mean <- function(data, B) { n <- length(data) boot_means <- numeric(B) for (i in 1:B) { # 有放回地抽样 sample_data <- sample(data, size = n, replace = TRUE) boot_means[i] <- mean(sample_data) } return(boot_means) } # 执行 Bootstrap B <- 1000 boot_results <- bootstrap_mean(original_data, B) # 查看结果 hist(boot_results, col = "lightblue", main = "Bootstrap Sample Means", xlab = "Mean") mean(boot_results) sd(boot_results) # Bootstrap 标准误估计 quantile(boot_results, c(0.025, 0.975)) # 95% 置信区间 ``` --- ### 使用 `boot` 包简化操作 R 提供了 `boot` 包，可以更方便地执行 Bootstrap 分析。 ```r library(boot) # 自定义统计函数（第一个参数为数据，第二个为索引） mean_stat <- function(data, indices) { return(mean(data[indices])) } # 执行 Bootstrap boot_result <- boot(data = original_data, statistic = mean_stat, R = 1000) # 输出结果 boot_result plot(boot_result) ``` `boot` 包还支持多种 Bootstrap 类型，如 **百分位法（Percentile）** 和 **BCa（Bias-Corrected and Accelerated）** 方法来构建置信区间。 --- ### Bootstrap 在线性回归中的应用 Bootstrap 也可用于回归分析中估计回归系数的不确定性。例如： ```r # 生成数据 x <- rnorm(100) y <- 2 * x + rnorm(100) # 回归函数 reg_func <- function(data, indices) { d <- data[indices, ] fit <- lm(y ~ x, data = d) return(coef(fit)) } # Bootstrap 回归系数 boot_reg <- boot(data = data.frame(x = x, y = y), statistic = reg_func, R = 1000) # 查看结果 boot_reg ``` --- ### Bootstrap 的优势与适用场景 - **非参数方法**：无需假设数据服从特定分布。 - **适用于复杂模型**：如非线性模型、机器学习模型评估。 - **提高估计稳定性**：可用于计算标准误、置信区间和显著性检验。 但需要注意的是，Bootstrap 在某些情况下可能不适用，比如当数据存在强依赖性（如时间序列）或极端异常值较多时，需采用改进的 Bootstrap 方法（如 block bootstrap）。 ---