शुरू करेंमुफ़्त में शुरू करें

एक साधारण bootstrap चलाना

Bootstrapping सेक्शन के पहले अभ्यास में आपका स्वागत है. हम एक उदाहरण पर काम करेंगे जहाँ आप सीखेंगे कि साधारण bootstrap कैसे चलाते हैं. जैसा कि वीडियो में देखा, bootstrapping के पीछे का मुख्य विचार है sampling with replacement.

मान लीजिए आपके पास एक फ़ैक्टरी है जो wrenches बनाती है. आप wrenches की औसत लंबाई का अनुमान लगाना चाहते हैं और यह सुनिश्चित करना चाहते हैं कि वे कुछ specifications को पूरा करें. आपकी फ़ैक्टरी हर दिन हज़ारों wrenches बनाती है, पर हर एक की लंबाई नापना संभव नहीं है. हालाँकि, आपके पास 100 wrenches का एक प्रतिनिधि सैंपल मौजूद है. औसत लंबाई के लिए 95% confidence interval (CI) निकालने के लिए चलिए bootstrapping का उपयोग करते हैं.

शेल में wrench_lengths लिस्ट देखें, जिसमें wrenches की 100 मापी गई लंबाइयाँ हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Statistical Simulation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • wrench_lengths से replacement के साथ एक random sample खींचें और उसे temp_sample में स्टोर करें. size = len(wrench_lengths) सेट करें.
  • हर sample की औसत लंबाई निकालें, उसे sample_mean में रखें, और फिर mean_lengths में append करें.
  • np.percentile() का उपयोग करके bootstrapped mean (boot_mean) और bootstrapped 95% confidence interval (boot_95_ci) निकालें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Draw some random sample with replacement and append mean to mean_lengths.
mean_lengths, sims = [], 1000
for i in range(sims):
    temp_sample = ____(____, replace=____, size=____)
    sample_mean = ____
    mean_lengths.append(sample_mean)
    
# Calculate bootstrapped mean and 95% confidence interval.
boot_mean = np.mean(____)
boot_95_ci = ____(mean_lengths, [2.5, 97.5])
print("Bootstrapped Mean Length = {}, 95% CI = {}".format(boot_mean, boot_95_ci))
कोड संपादित करें और चलाएँ