昨天我开始阅读有关在许多情况下使用自举来确定置信区间（CI）的信息。我目前的情况是我试图通过最大似然估计（MLE）估计模型中的三个参数。我已经这样做了，现在我需要定义我的CI。这显然可以通过配置文件可能性来完成，但是就我所读到的而言，引导将给出更宽的CI间隔。我的问题是我不确定如何实际执行自举？我已经为参数估计编写了自己的代码，因此没有内置的MLE计算器。
基本上我观察到的数据是二进制数据，所以1或0.它来自那些我试图估计参数值的数据（放入有三个参数的模型）。
所以，假设我的队列是500，那么我想从我的队列中取样，可能是100，然后通过将样本乘以5再次将其扩展到500，然后再次运行模拟，这又应该导致一些新的参数估计，然后这样做1000-2000次以获得一系列参数值，然后可以用来定义CI？
或者我在这里遗漏了什么？
这个问题与Python无关。我想你需要阅读引导的介绍。 “统计学习的介绍”提供了一个很好的。我们的想法不是样品100 - 您必须使用替换样品并采用相同的样品量（500）。是的，那么你多次重新估计你的参数。然后有几种方法可以将所有这些估计值转换为置信区间。例如，您可以使用它们来估计标准误差（采样分布的标准偏差），然后使用+/- 2 * se。