ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

リサンプリングの手法

ブートストラップ、ジャックナイフおよび交差検証を使用してデータセットをリサンプリング

パラメトリック検定の仮定が成り立たない場合、または非正規分布から小規模な標本を抽出した場合、記述統計と信頼区間を標本データから推定するには、リサンプリングの手法を使用します。"ブートストラップ" 法では、無作為な標本を標本データから復元抽出して、目的のパラメーターの信頼区間を推定します。"ジャックナイフ" では、標本データのサブセットを使用し、毎回 1 つの観測値をサブセットから除外 (Leave-one-out リサンプリング) することにより、目的のパラメーターを組織的に再計算します。そして、これらの計算からデータ標本全体について目的のパラメーターを推定します。Parallel Computing Toolbox™ のライセンスがある場合、並列計算を使用してリサンプリングの計算を高速化することができます。

関数

bootciブートストラップ信頼区間
bootstrpブートストラップ サンプリング
combnk組み合わせの列挙
crossval交差検証を使用した損失推定
datasample復元/非復元抽出法によるデータの無作為抽出
jackknifeジャックナイフ サンプリング
randsample無作為標本

トピック

統計標本のリサンプリング

ブートストラップ法とジャックナイフ法を使用して、推定されたパラメーターおよび統計の不確実性を測定します。

Statistics and Machine Learning Toolbox を使用した並列計算の基本操作

並列統計計算を使ってみましょう。

並列計算を使用する jackknife の実装

並列計算を使用して jackknife を高速化します。

並列計算を使用する交差検証の実装

並列計算を使用して交差検証を高速化します。

並列計算を使用するブートストラップの実装

並列計算を使用してブートストラップを高速化します。