自舉殘差：我做對了嗎？

首先： 據我了解，引導殘差的工作原理如下：

1. 將模型擬合到數據
2. 計算殘差
3. 對殘差重新採樣並將它們加到 1。
4. 將模型擬合到 3 中的新數據集。
5. 重複n次數，但始終將重新採樣的殘差添加到從 1 開始的擬合中。

到目前為止是正確的嗎？

---

我想做的是略有不同：

我想為估計一些環境變量的算法估計參數和預測不確定性。

我所擁有的是該變量 的無錯誤時間序列（來自模擬），x_true我在其中添加了一些噪聲 ，x_noise以生成合成數據集x。然後，我嘗試通過將平方和sum((x_estimate - x_true)^2)（！不是x_estimate - x！）作為目標函數擬合我的算法來找到最佳參數。為了查看我的算法如何執行並創建參數分佈的樣本，我想重新採樣x_noise，將其添加到x_true，再次擬合我的模型，沖洗並重複。這是評估參數不確定性的有效方法嗎？我可以將自舉數據集的擬合解釋為預測不確定性，還是必須遵循我上面發布的程序？

/edit：我想我還沒有真正弄清楚我的模型是做什麼的。把它想像成一種去噪方法。它不是一個預測模型，它是一種算法，它試圖從環境數據的嘈雜時間序列中提取潛在信號。

/edit^2：對於那裡的 MATLAB 用戶，我寫了一些快速而骯髒的線性回歸示例來說明我的意思。

這就是我認為殘差的“普通”引導（如果我錯了，請糾正我）： http: //pastebin.com/C0CJp3d1

這就是我想做的：http: //pastebin.com/mbapsz4c

這是更詳細的通用（半參數引導）算法：

= 引導數

該模型：

讓成為殘差

1. 運行回歸併獲得估計量和殘差.
2. 對殘差進行替換重採樣，得到自舉殘差向量.
3. 通過將 (1) 中的估計量與原始回歸量相乘並添加自舉殘差來獲得自舉因變量：.
4. 使用自舉因變量和原始回歸量運行回歸，這給出自舉估計量，即回歸在，這給出.
5. 重複該過程 - 回到 (2) 次。

引用自：https://stats.stackexchange.com/questions/67519