我想“炸毁”一个带有替换的样本，我知道每个项目。在选择过程中使用自举和应用逆概率加权是否有效（如在 Horvitz-Thompson 估计器中：用对每个项目进行加权），还是有任何陷阱？在谷歌上快速搜索表明这还没有被充分调查，R 中的包允许权重，但没有评论它们应该来自哪里。boot
除其他外，“炸毁”的目的是能够以均匀的概率从炸毁的人口中重新抽样。
引导具有不等选择概率的样本
机器算法验证
引导程序
重采样
加权抽样
2022-03-22 14:27:24
2个回答
这个问题你找到满意的答案了吗？
我最近发现了这个参考：
http://www.wseas.us/e-library/conferences/2009/hangzhou/ACACOS/ACACOS21.pdf
但我很确定这个问题之前一定已经调查过了。虽然很容易证明使用观察权重的合理性（实际上，通过加权观察，您希望使用对未知分布函数 F 的更好估计），但我想找到相关背景。
您可以通过简单的模拟验证引导包中的“权重”参数是否作为重要性权重运行。
example <- data.frame(
meas=c(1,1,5,8,10),
wts=c(10,10,3,2,1)
)
未加权平均值：
mean(example$meas)
# output = 5
加权平均数：
sum(example$meas * example$wts) / sum(example$wts)
# output = 2.346154
现在使用引导程序执行此操作：
my.avg <- function(data, indices) {
d <- data[indices,]
return(mean(d$meas))
}
未加权自举均值：
mean(boot(example, my.avg, 1000)$t)
# output = 4.8908
加权自举平均值：
mean(boot(example, my.avg, 1000, weights=example$wts)$t)
# output = 2.3712
其它你可能感兴趣的问题