使用infer包检验标准差时，模拟零分布未围绕零假设中心的疑问

你的核心误区在于infer包的bootstrap生成逻辑不会自动根据原假设的标准差调整数据：

当你使用generate(type = "bootstrap")时，它只是对原始数据（sd=1）做有放回重抽样，完全没有用到hypothesise()里指定的sigma=5参数——这个参数目前在infer的bootstrap工作流中并没有被用来调整样本数据，所以生成的bootstrap样本依然基于原始数据的标准差，计算出的统计量自然围绕原始sd=1，而非原假设的5。

而你提供的参数检验代码，是基于标准差检验的理论分布：对于原假设$H_0: \sigma=5$，统计量$\frac{(n-1)s^2}{\sigma_02}$服从自由度为$n-1$的卡方分布，你通过逆变换生成的样本分布是围绕5的，这和infer的bootstrap逻辑完全不同。

修正方法：手动按原假设缩放数据后再bootstrap #

要让bootstrap零分布围绕原假设的sigma=5，需要先将原始数据调整为符合原假设的分布，再进行bootstrap抽样：

library(tidyverse)
library(infer)

data <- tibble(x = rnorm(100, mean = 2, sd = 1))

# 先按原假设缩放数据：标准化后乘以原假设sigma，再加回原始均值
adjusted_data <- data %>%
  mutate(x_adjusted = (x - mean(x))/sd(x) * 5 + mean(x))

# 用调整后的数据生成bootstrap零分布
adjusted_data %>%
  specify(response = x_adjusted) %>%
  hypothesise(null = "point", sigma = 5) %>%
  generate(reps = 1000, type = "bootstrap") %>%
  calculate("sd") %>%
  visualise()

这样生成的bootstrap分布就会围绕5，和你参数检验的结果接近。

验证对比 #

你可以把修正后的bootstrap分布和参数检验分布放在一起对比：

# 生成修正后的bootstrap统计量
boot_stats <- adjusted_data %>%
  specify(response = x_adjusted) %>%
  hypothesise(null = "point", sigma = 5) %>%
  generate(reps = 1000, type = "bootstrap") %>%
  calculate("sd") %>%
  pull(stat)

# 生成参数检验统计量
param_stats <- sqrt(rchisq(1000, 99)/(99)*(5)^2)

# 对比绘图
tibble(
  type = rep(c("bootstrap", "parametric"), each = 1000),
  stat = c(boot_stats, param_stats)
) %>%
  ggplot(aes(x = stat, fill = type)) +
  geom_histogram(bins = 15, alpha = 0.7, position = "identity", color = "white") +
  labs(x = "stat", y = "count") +
  theme_minimal()

可以看到两者分布基本重合，符合预期。

内容的提问来源于stack exchange，提问作者2p4olE3xjEQJ