Bootstrap再抽样方法的SAS程序设计.pdf

史圉里生缝盐2螋3至!Q且墨垫鲞箍§墅 Bootstrap再抽样方法的SAS程序设计 闫宇翔 首都医科大学流行病与卫生统}{学系(100054) 北京大学医学部流行病与卫生统计学系(100083)王洪源孙尚拱 卜‘1 1 j／， ／ 近年来，许多数理统计方法被引入到医学研究中．有些珲dataa； unit=1to 沦在大样本的条件下才能获得稳定的解．如项目反应理论、线do 999； 性状态空间摸型等。但是在实际中，由于成本或者现场条件的 unitl=unit： 限制而无法获得大样本。在现有样本代表性好的条件下，可以 OUtput； 通过Bootstrap再抽样方法扩大样本量，即在传统的效理统计基 end； 础上进行统计模拟。随着计算机技术的迅猛发展，这一技术已 rllrl； seed=999998888444； 经渗透到许多科学领域，解奂丁无法采集到大样本的难题。目 procplan factors 前医学中常月j的统计软件还没有提供直接产生Bootstrap样本 unitl=999；／。unitl为随机数 data=a 的程序。本文提供丁这一方法的SAS程序，简短、通用，可以方 output OUt=b； 便医学统计工作者的使用。 rUn： datac： Bootstrap再抽样方法简介 setb； Bootstrap方法是一种计算机模拟方法，它处理的是宴际中 unit2=floor(unitl／150)； 可能发生的．但需要大样本来求出的统计量。令X={zl，z2， …，o。l为一次采样，ori(i=1．2，…，”)是独立同分布的随机的随机数 变量．服从分布F。口为分布F的一个未知数字特征，例如x unitm=unit3+1： unit 的均值、均方差及高次矩等。根据经典数理统计理论．要获取p keep unitm； 的估计子的经验分布．就需要多次重复采样和大样本。在小样 njn： dataone 本条件I：，应用Bootstrap方法对X进行模拟重采样，就能够在 two； 某种意义上获取0的经验分布．并确定其置信区间。 5etc： ifunit=250then one；／+OIle为新样本数据集 output 程序设计思想