根据文献，我需要的bootstrapping标准差为
d(t)是我的原始叠加结果，b(t)是第i次bootstrapping的结果。
而Matlab中std函数提供的标准差：
所以直接采用std计算bootstrapping的标准差是不行的
所以写了一个bootstrapping的标准差的脚本：
function [boot_e] = boot_error(b_data,d) %calculate standard error for bootstrapping data % b_data is a matrix, each sampling result is arranged in column. % b_data 是一个矩阵，每一个抽样结果按列排列。 % d is the observing data. boot_num=size(b_data,2); d_copy=repmat(d,[1,boot_num]); diff2=(d_copy-b_data).^2; Numerator_tmp=sum(diff2,2); denominator=boot_num*（boot_num-1); boot_e=sqrt(Numerator_tmp./denominator); end
复杂一点的，防止数据中有NaN的修改一下
function [boot_e] = boot_error(b_data,d) %calculate standard error for bootstrapping data % b_data is a matrix, each sampling result is arranged in column. % b_data 是一个矩阵，每一个抽样结果按列排列。 % d is the observing data. boot_num=size(b_data,2); d_copy=repmat(d,[1,boot_num]); diff2=(d_copy-b_data).^2; Numerator_tmp=sum(diff2,2,‘omitnan‘); boot_num_real=sum(~isnan(b_data), 2); denominator=boot_num_real.*(boot_num_real-1); boot_e=sqrt(Numerator_tmp./denominator); end