Jackknife-Konfidenzintervall für den Median
In dieser Übung berechnen wir das 95%-KI per Jackknife für einen nicht standardmäßigen Schätzer. Hier betrachten wir den Median. Denk daran, dass die Varianz eines Jackknife-Schätzers n-1 mal so groß ist wie die Varianz der einzelnen Jackknife-Stichprobenschätzungen, wobei n die Anzahl der Beobachtungen in der ursprünglichen Stichprobe ist.
Zurück zur Schraubenschlüssel-Fabrik: Du möchtest nun die mediane Länge der Schraubenschlüssel zusammen mit einem 95%-KI schätzen, um sicherzustellen, dass die Schlüssel innerhalb der Toleranzen liegen.
Lass uns den Code aus der vorherigen Übung erneut betrachten, diesmal jedoch im Kontext der Medianlängen. Am Ende dieser Übung hast du ein viel besseres Gefühl dafür, wie du Jackknife-Resampling einsetzen kannst, um Konfidenzintervalle für nicht standardmäßige Schätzer zu berechnen.
Diese Übung ist Teil des Kurses
Statistische Simulation in Python
Anleitung zur Übung
- Hänge die Medianlänge jeder Jackknife-Stichprobe an
median_lengthsan. - Berechne den Mittelwert des Jackknife-Schätzers von
median_lengthund weise ihnjk_median_lengthzu. - Berechne das obere 95%-Konfidenzintervall
jk_upper_ciund das untere 95%-Konfidenzintervall des Mediansjk_lower_cimithilfe von1.96*np.sqrt(jk_var).
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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))