Bootstrap simulationBootstrap simul

Bootstrap simulation
Bootstrap simulation (Efron and Tibshirani, 1994; Shumway and Stoffer, 2011) of the residual time series was performed
using the arima.sim procedure in R and by randomly re-sampling the innovation residuals. Using the current parameter estimates,
the covariate terms were then added to the simulated residuals via expression (1) to generate a single bootstrap sample
of the original temperature anomaly time series. Each of the monthly simulated series had to also be mean-adjusted to
ensure that, like the original series, their 20th century average was zero. To realistically represent uncertainty in the parameter
estimates a double bootstrapping procedure was performed. The first bootstrap sample was used to simulate the parameter
estimates, and the second bootstrap was used to simulate the time series using the first bootstrap parameter estimates.
The various climate statistics were then calculated, e.g. the length of the longest sequence with mean monthly temperature
exceeding the 20th century average of the corresponding month. By repeating the bootstrap simulation procedure a large
number of times the distribution of such statistics was estimated.

ผลลัพธ์ (ไทย) 1:

Bootstrap จำลอง
Bootstrap จำลอง (เธอและ Tibshirani, 1994 Shumway และ Stoffer, 2011) เวลาเหลือ ทำชุด
ใช้กระบวนการ arima.sim ใน R และสุ่มการสุ่มตัวอย่างค่าคงเหลือนวัตกรรม ใช้พารามิเตอร์ปัจจุบันประเมิน,
เงื่อนไข covariate ถูกแล้วเพิ่มค่าคงเหลือจำลองผ่านนิพจน์ (1) การสร้างตัวอย่างการเริ่มต้นระบบเดียว
ของเดิมอุณหภูมิช่วยเวลาชุดการ แต่ละชุดเลียนแบบรายเดือนได้จะหมายความว่าปรับให้
ให้แน่ใจว่า เช่นชุดเดิม ค่าเฉลี่ยของศตวรรษที่ 20 เป็นศูนย์ แสดงถึงความไม่แน่นอนในพารามิเตอร์จริง
ประเมินกระบวน bootstrapping คู่ทำ ตัวอย่างการเริ่มต้นระบบครั้งแรกถูกใช้ในการจำลองพารามิเตอร์
ประเมิน และใช้ bootstrap สองเพื่อจำลองชุดเวลาใช้แรกพารามิเตอร์เริ่มต้นระบบประเมินการ
ถูกคำนวณสถิติสภาพภูมิอากาศต่าง ๆ เช่น ความยาวของลำดับที่มีหมายความว่า อุณหภูมิรายเดือน
เกินศตวรรษที่ 20 ค่าเฉลี่ยของเดือนที่สอดคล้องกัน โดยการทำซ้ำขั้นตอนการเริ่มต้นระบบการจำลองขนาดใหญ่
จำนวนครั้งที่ได้ประมาณการแจกแจงของสถิติดังกล่าว

ผลลัพธ์ (ไทย) 3:

บูบู ( แอฟรอนและการจำลองการจำลอง
tibshirani , 1994 ; ซัมเวย์ และ สตอฟเฟอร์ , 2011 ) ของอนุกรมเวลาปริมาณการใช้กระบวนการ arima.sim
R โดยสุ่มเป็นนวัตกรรมความคลาดเคลื่อนการสุ่มตัวอย่าง การใช้ค่าพารามิเตอร์ปัจจุบัน
ชุด เงื่อนไขนี้แล้วเพิ่มค่าผ่านทางสีหน้า ( 1 ) สร้างบูทเดียวตัวอย่าง
ของเดิมเวลาอุณหภูมิปกติชุด ของแต่ละเดือน ) ชุดต้องยังสามารถหมายถึงการปรับ

มั่นใจว่าชอบชุดแรกของ ศตวรรษที่ 20 โดยศูนย์ แนบเนียนเป็นตัวแทนของความไม่แน่นอนในพารามิเตอร์
ประมาณการคู่ bootstrapping ขั้นตอนปฏิบัติ ตัวอย่างแรกที่ใช้บูตสแตรปจำลองพารามิเตอร์
ประมาณการและบูทที่สองใช้ในการจำลองแบบโดยใช้เวลาบูทแรกค่าประมาณการ .
สถิติภูมิอากาศต่างๆ แล้วคำนวณ เช่น ความยาวที่ยาวที่สุด ค่าเฉลี่ยรายเดือนลําดับอุณหภูมิ
เกินศตวรรษที่ 20 เฉลี่ยของเดือนที่สอดคล้องกัน โดยการทำซ้ำขั้นตอนการจำลองขนาดใหญ่
บูจำนวนครั้งที่การแจกแจงของสถิติดังกล่าวได้ประมาณ