CommencezCommencez gratuitement

Bootstrap vs. normalité

Vous avez vu les résultats d'un intervalle de confiance par bootstrap pour le R de Pearson. Mais qu'en est-il de situations courantes comme la création d'un intervalle de confiance pour une moyenne? Pourquoi utiliseriez-vous un intervalle de confiance par bootstrap plutôt qu'un intervalle de confiance « normal » provenant de stats.norm?

Un DataFrame présentant des investissements de sociétés de capital de risque (investments_df) a été chargé pour vous, de même que les modules pandas (pd), NumPy (np) et stats de SciPy.

Cette activité fait partie du cours

Fondements de l'inférence en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)
Modifier et exécuter le code