Solo para enfatizar la idea general de bootstrapping en R, aunque @caracal ya respondió su pregunta a través de su comentario. Cuando usa boot
, necesita tener una estructura de datos (generalmente, una matriz) que puede muestrearse por fila. El cálculo de su estadística generalmente se realiza en una función que recibe esta matriz de datos y devuelve la estadística de interés calculada después del remuestreo. Luego, llame al boot()
que se encarga de aplicar esta función a las repeticiones R
y de recopilar los resultados en un formato estructurado. Esos resultados pueden evaluarse utilizando boot.ci()
sucesivamente.
Aquí hay dos ejemplos de trabajo con el estudio low birth baby
en el paquete MASS
.
require(MASS)
data(birthwt)
# compute CIs for correlation between mother's weight and birth weight
cor.boot <- function(data, k) cor(data[k,])[1,2]
cor.res <- boot(data=with(birthwt, cbind(lwt, bwt)),
statistic=cor.boot, R=500)
cor.res
boot.ci(cor.res, type="bca")
# compute CI for a particular regression coefficient, e.g. bwt ~ smoke + ht
fm <- bwt ~ smoke + ht
reg.boot <- function(formula, data, k) coef(lm(formula, data[k,]))
reg.res <- boot(data=birthwt, statistic=reg.boot,
R=500, formula=fm)
boot.ci(reg.res, type="bca", index=2) # smoke
[R FAQ: ¿Cómo puedo generar estadísticas de rutina de carga en R] (http://www.ats.ucla.edu/stat/r/faq/boot.htm) + recordar que una prueba de hipótesis nula es significativo si el CI correspondiente no contiene el valor del estadístico de prueba bajo el nulo. – caracal