Estimación jackknife básica: media
El remuestreo jackknife es un procedimiento más antiguo, y no se usa tanto en comparación con el bootstrapping. Aun así, es útil saber cómo ejecutar una estimación jackknife básica. En este primer ejercicio, calcularemos la estimación jackknife de la media. Volvamos a la fábrica de llaves inglesas.
Tienes una fábrica de llaves inglesas y quieres medir la longitud media de las piezas para asegurarte de que cumplen ciertas especificaciones. Tu fábrica produce miles de unidades cada día, pero no es viable medir la longitud de cada una. Sin embargo, dispones de una muestra representativa de 100 llaves. Usemos la estimación jackknife para obtener la longitud media.
Examina la variable wrench_lengths en la consola.
Este ejercicio forma parte del curso
Simulación estadística en Python
Instrucciones del ejercicio
- Obtén una muestra jackknife eliminando iterativamente una observación de
wrench_lengthsy asígnala ajk_sample. - Calcula la media de
jk_sampley añádela amean_lengths. - Por último, calcula la estimación jackknife
mean_lengths_jkcomo la media del arraymean_lengths.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Leave one observation out from wrench_lengths to get the jackknife sample and store the mean length
mean_lengths, n = [], len(wrench_lengths)
index = np.arange(n)
for i in range(n):
jk_sample = ____[index != i]
mean_lengths.append(____)
# The jackknife estimate is the mean of the mean lengths from each sample
mean_lengths_jk = ____(np.array(mean_lengths))
print("Jackknife estimate of the mean = {}".format(mean_lengths_jk))