Échantillonnage avec remise
Le bootstrap est idéal pour calculer des intervalles de confiance pour des moyennes ; vous allez maintenant vous entraîner à le faire !
nba_weights contient les masses d’un groupe de joueurs 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 NBA à partir de cette liste.
Les éléments suivants ont été importés pour vous : random, et numpy sous le nom np.
Cet exercice fait partie du cours
Simulations de Monte Carlo en Python
Instructions
- Utilisez
random.choices()pour tirer neuf tailles de la liste 1 000 fois, avec remise. - Calculez la moyenne et l’intervalle de confiance à 95 % pour les résultats de votre simulation, en affectant l’extrémité inférieure de l’intervalle à
loweret l’extrémité supérieure àupper.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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)