Ejecutar un bootstrap sencillo
Bienvenido al primer ejercicio de la sección de bootstrapping. Vamos a trabajar un ejemplo para aprender a ejecutar un bootstrap sencillo. Como vimos en el vídeo, la idea principal del bootstrapping es muestrear con reemplazo.
Imagina que tienes una fábrica que produce llaves inglesas. Quieres caracterizar la longitud media de las llaves y asegurarte de que cumplen ciertas especificaciones. Tu fábrica produce miles de llaves cada día, pero no es viable medir la longitud de cada una. Sin embargo, tienes acceso a una muestra representativa de 100 llaves. Usemos bootstrapping para obtener el intervalo de confianza (IC) del 95% de la longitud media.
Examina la lista wrench_lengths, que contiene 100 longitudes observadas de llaves, en la terminal.
Este ejercicio forma parte del curso
Simulación estadística en Python
Instrucciones del ejercicio
- Extrae una muestra aleatoria con reemplazo de
wrench_lengthsy guárdala entemp_sample. Establecesize = len(wrench_lengths). - Calcula la longitud media de cada muestra, asígnala a
sample_meany luego añádela amean_lengths. - Calcula la media con bootstrap (
boot_mean) y el intervalo de confianza del 95% con bootstrap (boot_95_ci) usandonp.percentile().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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))