আর (tsboot, MannKendall) এ সঞ্চালিত বুটস্ট্র্যাপের আউটপুট বোঝা

Question

আর-তে টিএসবুট কলটির ব্যাখ্যা সংক্রান্ত আমার একটি প্রশ্ন রয়েছে I

যখন আমি উদাহরণস্বরূপ কেন্ডাল প্যাকেজটিতে উদাহরণস্বরূপ বুটস্ট্র্যাপ চালনা করি, যেখানে পরীক্ষার পরিসংখ্যানটি কেন্ডালের টাউ:

library(Kendall)
# Annual precipitation entire Great Lakes
# The Mann-Kendall trend test confirms the upward trend.
data(PrecipGL)
MannKendall(PrecipGL)

যা wardর্ধ্বমুখী প্রবণতাটিকে নিশ্চিত করে:

tau = 0.265, 2-sided pvalue =0.00029206

উদাহরণস্বরূপ তারপর একটি ব্লক বুটস্ট্র্যাপ ব্যবহার করা অবিরত:

#
#Use block bootstrap 
library(boot)
data(PrecipGL)
MKtau<-function(z) MannKendall(z)$tau
tsboot(PrecipGL, MKtau, R=500, l=5, sim="fixed")

আমি নিম্নলিখিত ফলাফল প্রাপ্ত:

BLOCK BOOTSTRAP FOR TIME SERIES
Fixed Block Length of 5 
Call:
tsboot(tseries = PrecipGL, statistic = MKtau, R = 500, l = 5, 
sim = "fixed")


Bootstrap Statistics :
 original     bias    std. error
t1* 0.2645801 -0.2670514  0.09270585

যদি আমি সঠিকভাবে বুঝতে পারি তবে "টি 1 * আসল" আসল এমকেটাউ, "পক্ষপাত" হ'ল আর = 500 বুটস্ট্র্যাপড টাইম সিরিজ থেকে এম কেটিউয়ের গড় এবং "স্টাড। ত্রুটি" হ'ল এমকেটাসের মানক বিচ্যুতি 500 নমুনা।

এর অর্থটি বোঝার জন্য আমার সমস্যা হচ্ছে - এটি মূলত আমাকে বলে যে সমস্ত 500 এমকেটাস মূলের চেয়ে কম এবং মূল টি 1 * বুটস্ট্র্যাপড এমকেটাসের 3 এসডি এর মধ্যে রয়েছে। এরগো এটা আলাদা আলাদা?

বা আমি কি ডেটা সেটের এমকেটাউ 0.26 প্লাস / বিয়োগ স্ট্যান্ডার্ড ত্রুটি করব?

দীর্ঘ প্রশ্নের জন্য আমি দুঃখিত, তবে আমি একটি পরিসংখ্যান নবীন এবং স্ব-অধ্যয়নের মাধ্যমে শিখছি, কারও অভাব বোধ করছে এই সম্ভবত খুব সহজ সমস্যাটি পিছনে পিছনে ফেলে দেওয়া।

Comments

আউটপুটে biasকেবল 500 টি সঞ্চিত বুটস্ট্র্যাপ নমুনার গড় এবং মূল অনুমানের মধ্যে পার্থক্য । এটি std. errorহ'ল 500 বুটস্ট্র্যাপ নমুনার মানক বিচ্যুতি এবং এটি স্ট্যান্ডার্ড ত্রুটির একটি অনুমান। আউটপুট আপনি বলে আপনার মূল অনুমান যে উচ্চতর 500 স্থানে বুট-স্ট্র্যাপ অনুমান (তাই না গড় চেয়ে সব স্থানে বুট-স্ট্র্যাপ MKtaus এর কম)। বুটস্ট্র্যাপ প্রায়শই বিতরণ সম্পর্কে অনুমান করা ছাড়াই স্ট্যান্ডার্ড ত্রুটি / আত্মবিশ্বাসের ব্যবধান গণনা করতে ব্যবহৃত হয়। boot.ciআত্মবিশ্বাসের ব্যবধানগুলি গণনা করতে ফাংশনটি ব্যবহার করুন ।

— COOLSerdash

@ কোলসারড্যাশ, এর জন্য ধন্যবাদ! সুতরাং যদি আমার আসল পরিসংখ্যানগুলি বুটস্ট্র্যাপড পরিসংখ্যানের গড়ের তুলনায় 3 এসডি বেশি হয়, তবে আমি কি সরাসরি কোনও সিদ্ধান্তে পৌঁছাতে পারি (বলুন: পরিসংখ্যানটি 0.99 এ তাৎপর্যপূর্ণ)? আমি boot.ciআত্মবিশ্বাসের অন্তরগুলি গণনা করতেও ব্যবহার করেছি এবং আবারও এই অন্তরগুলির বাইরে মূলত গণনা করা পরিসংখ্যানের মিথ্যা lies

— মারিয়া

না, আপনি বুটস্ট্র্যাপড স্ট্যাটিস্টিককে একটি হাইপোথিসিস পরীক্ষার সাথে মূল পরিসংখ্যানের সাথে তুলনা করবেন না। আমি কেবল আপনার ক্ষেত্রে বুটস্ট্র্যাপ স্ট্যান্ডার্ড ত্রুটি এবং আত্মবিশ্বাসের ব্যবধানগুলি ব্যবহার / প্রতিবেদন করব।

— COOLSerdash

Answer 1

একই প্রশ্নটি চালিয়ে গিয়ে একটি নিয়ন্ত্রিত ডেটা সেট - এন (0, সিগ) ত্রুটির সাথে মডেল y = ax + b দিয়ে এটি অনুসন্ধান করে, আমি দেখতে পেয়েছি যে কেন্ডাল প্যাকেজটি বিজ্ঞাপন হিসাবে কাজ করছে না। এক্স আমার ক্ষেত্রে ছিল , এবং Y = এক্স , স্বাক্ষর সঙ্গে = 100 (ত্রুটি মেয়াদ ভ্যারিয়েন্স)।1:100

রিগ্রেশনটি দেখতে ভাল লাগছে, এবং তেমনই কেন্ডালের তাও রয়েছে। রৈখিক মডেল দ্বারা প্ররোচিত ছাড়া এখানে এখানে আর কোনও স্বতঃসংশোধন নেই। 1, 3, 5 এবং 10 এর ব্লক দৈর্ঘ্যের বিজ্ঞাপন হিসাবে কেন্ডাল পরীক্ষা চালানো খুব বড় পক্ষপাত মান দেয় এবং boot.ciকোনও প্রবণতার খবর দেয় না।

এরপরে, আমি এই ব্লক দৈর্ঘ্যের সাথে ডেটার বুটস্ট্র্যাপটি হাতে কোড করে দিয়েছি এবং আমার নিয়ন্ত্রণ সিরিজের সাহায্যে বুটস্ট্র্যাপের নমুনাগুলির মাধ্যম এবং সেগুলির বিস্তার সম্পর্কে আমি যুক্তিসঙ্গত ফলাফল পেয়েছি। সুতরাং, ব্লক বুটস্ট্র্যাপের ক্ষেত্রে প্যান্ডেল কেন্ডল প্যাকেজের সাথে কিছু উদ্ভট হয়েছে।