CommencerCommencer gratuitement

Estimation jackknife de base - moyenne

Le rééchantillonnage jackknife est une méthode plus ancienne, moins utilisée que le bootstrapping. Elle reste néanmoins utile à connaître pour effectuer une estimation jackknife de base. Dans cet exercice, nous allons calculer l’estimation jackknife de la moyenne. Retournons à l’usine de clés.

Vous possédez une usine de clés et souhaitez mesurer la longueur moyenne des clés pour vérifier qu’elles respectent certaines spécifications. Votre usine produit des milliers de clés chaque jour, mais il est impossible de mesurer la longueur de chacune. En revanche, vous disposez d’un échantillon représentatif de 100 clés. Utilisons l’estimation jackknife pour obtenir la longueur moyenne.

Examinez la variable wrench_lengths dans le shell.

Cet exercice fait partie du cours

Simulation statistique en Python

Afficher le cours

Instructions

  • Obtenez un échantillon jackknife en retirant itérativement une observation de wrench_lengths et en l’affectant à jk_sample.
  • Calculez la moyenne de jk_sample et ajoutez-la à mean_lengths.
  • Enfin, calculez l’estimation jackknife mean_lengths_jk comme la moyenne du tableau mean_lengths.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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))
Modifier et exécuter le code