Jackknife interval spolehlivosti pro medián

V tomto cvičení vypočítáme jackknife 95% interval spolehlivosti (CI) pro nestandardní estimátor – konkrétně se zaměříme na medián. Měj na paměti, že rozptyl jackknife estimátoru je n-1 krát rozptyl odhadů z jednotlivých jackknife vzorků, kde n je počet pozorování v původním vzorku.

Vracíme se do továrny na klíče – tentokrát tě zajímá odhad mediánové délky klíčů spolu s 95% CI, abys ověřil/a, že klíče jsou v požadované toleranci.

Podíváme se znovu na kód z předchozího cvičení, ale tentokrát v kontextu mediánových délek. Po dokončení tohoto cvičení budeš mít jasnou představu o tom, jak jackknife resampling využít k výpočtu intervalů spolehlivosti pro nestandardní estimátory.

Toto cvičení je součástí kurzu

Statistické simulace v Pythonu

Zobrazit kurz

Pokyny k cvičení

Přidej mediánovou délku každého jackknife vzorku do median_lengths.
Vypočítej průměr jackknife odhadu median_length a výsledek ulož do jk_median_length.
Vypočítej horní 95% interval spolehlivosti jk_upper_ci a dolní 95% interval spolehlivosti mediánu jk_lower_ci pomocí 1.96*np.sqrt(jk_var).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Leave one observation out to get the jackknife sample and store the median length
median_lengths = []
for i in range(n):
    jk_sample = wrench_lengths[index != i]
    median_lengths.append(____)

median_lengths = np.array(median_lengths)

# Calculate jackknife estimate and it's variance
jk_median_length = ____
jk_var = (n-1)*np.var(median_lengths)

# Assuming normality, calculate lower and upper 95% confidence intervals
jk_lower_ci = jk_median_length - ____
jk_upper_ci = jk_median_length + ____
print("Jackknife 95% CI lower = {}, upper = {}".format(jk_lower_ci, jk_upper_ci))

Upravit a spustit kód