求助：计算含总体中位数的Bootstrap置信区间数量（代码循环问题）

你的代码存在变量定义、循环逻辑和索引错误，以下是问题梳理和修正方案：

核心问题点 #

• 未定义变量B：代码多处使用B但未赋值，需明确区分外层重复实验次数和内层Bootstrap抽样次数
• 无效变量Total：sample函数中size=length(Total)无定义，应改为length(data)（与原始样本量一致）
• 排序逻辑错误：result_vec[i]<- result_vec[order(result_vec)]会将整个排序向量塞进单个元素，导致分位数计算完全失效
• 分位数索引错误：0.0975应为0.975，且手动索引易出错，建议直接用分位数函数
• 条件判断错误：if(lower_bound<... && upper_bound<...)是对整个向量做比较，应取当前循环对应的单个元素

修正后的代码 #

pop_median <- 0.693
# 内层Bootstrap抽样次数
n_boot <- 10000
# 外层重复实验次数
n_rep <- 1000
set.seed(233)
data <- rexp(100, 1)

lower_bound <- vector(length = n_rep)
upper_bound <- vector(length = n_rep)
count <- 0

for (i in 1:n_rep) { 
  # 用replicate替代内层循环，生成n_boot个Bootstrap中位数
  boot_medians <- replicate(n_boot, median(sample(data, size = length(data), replace = TRUE)))
  # 直接计算95%置信区间的分位数
  lower_bound[i] <- quantile(boot_medians, 0.025)
  upper_bound[i] <- quantile(boot_medians, 0.975)
  
  # 判断总体中位数是否在当前区间内
  if (lower_bound[i] < pop_median && upper_bound[i] > pop_median) {
    count <- count + 1
  }
}

count

优化说明 #

• 用replicate替代内层循环，代码更简洁且执行效率更高
• 变量命名更清晰（n_boot、n_rep），避免混淆
• 直接调用quantile函数计算分位数，避免手动索引可能出现的边界错误

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