Échantillonnage avec remise
L'amorçage (bootstrapping) est excellent pour calculer des intervalles de confiance pour des moyennes; vous allez maintenant vous y exercer!
nba_weights contient les masses d'un groupe de joueurs de la NBA en kilogrammes :
nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1,
100.3, 101.0, 98.0, 97.4]
Vous souhaitez calculer l'intervalle de confiance à 95 % de la masse moyenne des joueurs de la NBA à partir de cette liste.
Les éléments suivants ont été importés pour vous : random, et numpy sous np.
Cette activité fait partie du cours
Simulations de Monte-Carlo en Python
Instructions de l’exercice
- Utilisez
random.choices()pour échantillonner neuf tailles à partir de la liste 1 000 fois, avec remise. - Calculez la moyenne et l'intervalle de confiance à 95 % pour vos résultats de simulation, en assignant l'extrémité inférieure de l'intervalle à
loweret l'extrémité supérieure àupper.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
simu_weights = []
# Sample nine values from nba_weights with replacement 1000 times
for i in range(____):
bootstrap_sample = ____
simu_weights.append(np.mean(bootstrap_sample))
# Calculate the mean and 95% confidence interval of the mean for your results
mean_weight = ____
upper = ____
lower = ____
print(mean_weight, lower, upper)