Visualisierung der Resampling-Ergebnisse
Jetzt visualisierst du die Ergebnisse deiner Simulation aus der vorherigen Aufgabe! Du arbeitest weiter mit nba_weights, das die Gewichte einer Gruppe von NBA-Spielern in Kilogramm enthält:
nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1,
100.3, 101.0, 98.0, 97.4]
Hier ist dein Simulationscode aus der vorherigen Aufgabe:
simu_weights = []
for i in range(1000):
bootstrap_sample = random.choices(nba_weights, k=9)
simu_weights.append(np.mean(bootstrap_sample))
mean_weight = np.mean(simu_weights)
upper = np.quantile(simu_weights, 0.975)
lower = np.quantile(simu_weights, 0.025)
print(mean_weight, lower, upper)
Die Liste simu_weights, die du in der letzten Aufgabe erzeugt hast, ist für dich geladen. Ebenso sind mean_weight, lower und upper bereits als Mittelwert sowie 2,5-%- und 97,5-%-Quantile für dein Konfidenzintervall definiert.
Die folgenden Pakete sind bereits für dich geladen: random, numpy als np, seaborn als sns und matplotlib.pyplot als plt.
Diese Übung ist Teil des Kurses
Monte-Carlo-Simulationen in Python
Anleitung zur Übung
- Verwende
sns.displot(), um die Verteilung der simulierten Gewichte zu plotten. - Verwende
plt.axvline(), um zwei vertikale Linien für das 95-%-Konfidenzintervall (zeichnelowergefolgt vonupper) in Rot und den Mittelwert in Grün zu plotten.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Plot the distribution of the simulated weights
____
# Plot vertical lines for the 95% confidence intervals and mean
plt.axvline(____, color="red")
plt.axvline(____, color="red")
plt.axvline(____, color="green")
plt.show()