LoslegenKostenlos loslegen

Einen einfachen Bootstrap durchführen

Willkommen zur ersten Übung im Abschnitt zum Bootstrapping. Wir gehen ein Beispiel durch, in dem wir lernen, einen einfachen Bootstrap auszuführen. Wie im Video gesehen, basiert Bootstrapping vor allem auf Ziehen mit Zurücklegen.

Angenommen, du besitzt eine Fabrik, die Schraubenschlüssel herstellt. Du möchtest die durchschnittliche Länge der Schraubenschlüssel bestimmen und sicherstellen, dass sie bestimmten Spezifikationen entsprechen. Deine Fabrik produziert jeden Tag Tausende von Schraubenschlüsseln, aber es ist nicht praktikabel, die Länge jedes einzelnen zu messen. Allerdings hast du Zugriff auf eine repräsentative Stichprobe von 100 Schraubenschlüsseln. Lass uns Bootstrapping verwenden, um das 95%-Konfidenzintervall (KI) für die durchschnittlichen Längen zu bestimmen.

Untersuche in der Shell die Liste wrench_lengths, die 100 beobachtete Längen von Schraubenschlüsseln enthält.

Diese Übung ist Teil des Kurses

Statistische Simulation in Python

Kurs anzeigen

Anleitung zur Übung

  • Ziehe eine Zufallsstichprobe mit Zurücklegen aus wrench_lengths und speichere sie in temp_sample. Setze size = len(wrench_lengths).
  • Berechne die mittlere Länge der Stichprobe, weise sie sample_mean zu und hänge sie anschließend an mean_lengths an.
  • Berechne den gebootstrappten Mittelwert (boot_mean) und das gebootstrappte 95%-Konfidenzintervall (boot_95_ci) mit np.percentile().

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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))
Code bearbeiten und ausführen