शुरू करेंमुफ़्त में शुरू करें

ग़ैर-मानक अनुमायक (Non-standard estimators)

पिछले अभ्यास में, आपने एक साधारण बूटस्ट्रैप चलाया था जिसे अब हम अधिक जटिल अनुमायकों के लिए संशोधित करेंगे.

मान लीजिए आप छात्रों के स्वास्थ्य का अध्ययन कर रहे हैं। आपको 1000 छात्रों की ऊँचाई और वज़न दिए गए हैं, और आपको मीडियन ऊँचाई के साथ-साथ ऊँचाई और वज़न के बीच के सहसम्बंध और इन मात्राओं के 95% CI में रुचि है। आइए बूटस्ट्रैपिंग का उपयोग करें.

pandas DataFrame df में 1000 छात्रों की ऊँचाइयाँ और वज़न दिए हैं। इसका उपयोग करके, दोनों के लिए 95% CI निकालिए — यानी मीडियन ऊँचाई और ऊँचाई-वज़न के बीच का सहसम्बंध.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Statistical Simulation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • df पर .sample() मेथड का उपयोग करके replacement के साथ डेटा का एक सैंपल बनाएँ और उसे tmp_df में असाइन करें.
  • tmp_df के प्रत्येक जनरेटेड डेटासेट के लिए, .median() और .corr() का उपयोग करके मीडियन ऊँचाई और ऊँचाई-वज़न का सहसम्बंध निकालें.
  • मीडियन ऊँचाइयों को height_medians में और सहसम्बंध को hw_corr में जोड़ें.
  • अंत में np.percentile() का उपयोग करके ऊपर की प्रत्येक मात्रा के लिए 95% ([2.5, 97.5]) कॉन्फिडेंस इंटरवल की गणना करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Sample with replacement and calculate quantities of interest
sims, data_size, height_medians, hw_corr = 1000, df.shape[0], [], []
for i in range(sims):
    tmp_df = ____(n=____, replace=____)
    height_medians.append(____)
    hw_corr.append(____)

# Calculate confidence intervals
height_median_ci = np.____
height_weight_corr_ci = np.____
print("Height Median CI = {} \nHeight Weight Correlation CI = {}".format( height_median_ci, height_weight_corr_ci))
कोड संपादित करें और चलाएँ