CommencezCommencez gratuitement

Répliques bootstrap d'autres statistiques

Nous avons vu dans un exercice précédent que la moyenne suit une distribution normale. Ce n'est pas nécessairement le cas pour d'autres statistiques, mais pas de souci : en tant que pirates de données, nous pouvons toujours générer des répliques bootstrap ! Dans cet exercice, vous allez produire des répliques bootstrap pour la variance des précipitations annuelles à la station météo de Sheffield et tracer l'histogramme de ces répliques.

Ici, vous utiliserez la fonction draw_bs_reps() que vous avez définie il y a quelques exercices. Elle est reprise ci-dessous pour référence :

def draw_bs_reps(data, func, size=1):
    """Draw bootstrap replicates."""
    # Initialize array of replicates
    bs_replicates = np.empty(size)
    # Generate replicates
    for i in range(size):
        bs_replicates[i] = bootstrap_replicate_1d(data, func)
    return bs_replicates

Cette activité fait partie du cours

Réflexion statistique en Python (partie 2)

Voir le cours

Instructions de l’exercice

  • Générez 10000 répliques bootstrap de la variance des précipitations annuelles, stockées dans l'ensemble de données rainfall, à l'aide de votre fonction draw_bs_reps(). Indice : passez np.var pour calculer la variance.
  • Divisez vos répliques de variance (bs_replicates) par 100 afin d'exprimer la variance en centimètres carrés, pour plus de commodité.
  • Tracez un histogramme de bs_replicates en utilisant l'argument density=True et 50 classes.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Generate 10,000 bootstrap replicates of the variance: bs_replicates
bs_replicates = ____

# Put the variance in units of square centimeters
____

# Make a histogram of the results
_ = plt.hist(____, ____, ____)
_ = plt.xlabel('variance of annual rainfall (sq. cm)')
_ = plt.ylabel('PDF')

# Show the plot
plt.show()
Modifier et exécuter le code