Ziehen mit Zurücklegen

Bootstrapping eignet sich hervorragend, um Konfidenzintervalle für Mittelwerte zu berechnen; das übst du jetzt!

nba_weights enthält die Gewichte einer Gruppe von NBA-Spielern in Kilogramm:

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 
               100.3, 101.0, 98.0, 97.4]

Du möchtest mit dieser Liste das 95-%-Konfidenzintervall für den mittleren Spielergewichtswert der NBA berechnen.

Folgendes wurde bereits für dich importiert: random und numpy als np.

Diese Übung ist Teil des Kurses

<Kurs>Monte-Carlo-Simulationen in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende random.choices(), um 1.000-mal neun Größen aus der Liste mit Zurücklegen zu ziehen.
Berechne den Mittelwert und das 95-%-Konfidenzintervall für deine Simulationsergebnisse und weise das untere Ende des Konfidenzintervalls lower und das obere Ende upper zu.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

simu_weights = []

# Sample nine values from nba_weights with replacement 1000 times
for i in range(____):
    bootstrap_sample = ____
    simu_weights.append(np.mean(bootstrap_sample))

# Calculate the mean and 95% confidence interval of the mean for your results
mean_weight = ____
upper = ____
lower = ____
print(mean_weight, lower, upper)

Code bearbeiten und ausführen