Jednoduchý bootstrap v praxi

Vítej u prvního cvičení věnovaného bootstrappingu. Projdeme si příklad, ve kterém se naučíš spustit jednoduchý bootstrap. Jak jsme viděli ve videu, základní myšlenkou bootstrappingu je vzorkování s vracením.

Představ si, že vlastníš továrnu na výrobu klíčů. Chceš zjistit průměrnou délku klíčů a ověřit, zda splňují požadované specifikace. Tvoje továrna vyrobí tisíce klíčů denně, ale změřit každý z nich je prakticky nemožné. Máš však k dispozici reprezentativní vzorek 100 klíčů. Použijeme bootstrapping k výpočtu 95% intervalu spolehlivosti (CI) pro průměrnou délku.

Prohlédni si seznam wrench_lengths obsahující 100 naměřených délek klíčů v shellu.

Toto cvičení je součástí kurzu

Statistické simulace v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytáhni náhodný vzorek s vracením z wrench_lengths a ulož ho do temp_sample. Nastav size = len(wrench_lengths).
Vypočítej průměrnou délku každého vzorku, přiřaď ji do sample_mean a přidej ji do mean_lengths.
Vypočítej bootstrapovaný průměr (boot_mean) a bootstrapovaný 95% interval spolehlivosti (boot_95_ci) pomocí np.percentile().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Draw some random sample with replacement and append mean to mean_lengths.
mean_lengths, sims = [], 1000
for i in range(sims):
    temp_sample = ____(____, replace=____, size=____)
    sample_mean = ____
    mean_lengths.append(sample_mean)
    
# Calculate bootstrapped mean and 95% confidence interval.
boot_mean = np.mean(____)
boot_95_ci = ____(mean_lengths, [2.5, 97.5])
print("Bootstrapped Mean Length = {}, 95% CI = {}".format(boot_mean, boot_95_ci))

Upravit a spustit kód