R语言中加权自助法（Weighted Bootstrap）实现正确性验证

一、你的核心理解是对的 #

加权自助法的核心逻辑确实是给每个观测值分配对应的选中概率，让重要性高的观测更易被抽到，你的这个认知没问题。

二、代码里的两个关键错误 #

你的实现存在两处明显问题，会导致结果不符合加权自助法的预期：

1. 自助样本的均值计算错用了原始权重 #

每次抽样得到bootstrap_sample后，你用原始权重去计算加权均值是错误的。因为有放回抽样的过程已经通过每个点的出现次数体现了权重：权重高的点更可能被多次抽中，它的“权重”就是在样本里的出现次数，此时只需要计算这个自助样本的普通均值就行。

比如原始数据里权重最高的3，要是在一次自助抽样里被抽中2次，那它对本次均值的贡献就是3*2，不需要再乘原始的0.3。

2. （小细节）权重无需强制和为1 #

sample函数的prob参数会自动对输入的权重做归一化处理，所以你不用特意把权重调整到和为1，当然你示例里的权重是合法的，只是这个限制没必要。

三、修正后的代码 #

基础版本（直观易懂） #

# 计算普通均值即可，自助样本的抽样权重已通过出现次数体现
sample_mean <- function(x) {
  mean(x)
}

weighted_bootstrap <- function(data, weights, R) {   
  estimates <- numeric(R)  
  n <- length(data)
  for (i in seq_len(R)) {
    # 按权重有放回抽取n个样本
    bootstrap_sample <- sample(data, size = n, replace = TRUE, prob = weights)
    # 计算该样本的普通均值
    estimates[i] <- sample_mean(bootstrap_sample)
  }
  estimates
}

高效版本（适合大数据集） #

如果数据集很大，生成重复的样本向量会占用较多内存，直接计算每个原始点的抽样次数再算加权均值更高效：

weighted_bootstrap_efficient <- function(data, weights, R) {
  estimates <- numeric(R)
  n <- length(data)
  for (i in seq_len(R)) {
    # 生成每个原始点的抽样次数（服从多项分布）
    counts <- rmultinom(1, size = n, prob = weights)
    # 用抽样次数作为权重计算均值
    estimates[i] <- sum(data * counts) / n
  }
  estimates
}

四、测试示例 #

用你提供的数据测试修正后的代码：

data <- c(1, 2, 3, 4, 5)
weights <- c(0.1, 0.2, 0.3, 0.2, 0.2)
R <- 1000

# 基础版本
estimates <- weighted_bootstrap(data, weights, R)
hist(estimates, main = "加权自助法均值分布", xlab = "均值")

# 高效版本（结果与基础版一致）
estimates_eff <- weighted_bootstrap_efficient(data, weights, R)
hist(estimates_eff, main = "高效版加权自助法均值分布", xlab = "均值")

内容的提问来源于stack exchange，提问作者stats_noob