Bootstrapping vs. normalidad
Ya has visto los resultados de un intervalo de confianza bootstrap para la R de Pearson. Pero ¿qué pasa con situaciones comunes como construir un intervalo de confianza para una media? ¿Por qué usarías un intervalo de confianza bootstrap en lugar de un intervalo de confianza "normal" que sale de stats.norm?
Se ha cargado un DataFrame con inversiones de firmas de capital riesgo (investments_df), junto con los paquetes pandas como pd, NumPy como np y stats de SciPy.
Este ejercicio forma parte del curso
Fundamentos de la inferencia en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Select just the companies in the Analytics market
analytics_df = ____[____ == 'Analytics']
# Confidence interval using the stats.norm function
norm_ci = stats.norm.____(alpha=____,
loc=____,
scale=____.std() / np.___(____))
# Construct a bootstrapped confidence interval
bootstrap_ci = stats.bootstrap(data=(____, ),
statistic=np.____)
print('Normal CI:', norm_ci)
print('Bootstrap CI:', bootstrap_ci.confidence_interval)