Visualisasi hasil resampling

Sekarang Anda akan memvisualisasikan hasil simulasi dari latihan sebelumnya! Anda akan tetap menggunakan nba_weights, yang berisi bobot sekelompok pemain NBA dalam kilogram:

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 
               100.3, 101.0, 98.0, 97.4]

Berikut adalah kode simulasi Anda dari latihan sebelumnya:

simu_weights = []
for i in range(1000):
    bootstrap_sample = random.choices(nba_weights, k=9)
    simu_weights.append(np.mean(bootstrap_sample))
mean_weight = np.mean(simu_weights)
upper = np.quantile(simu_weights, 0.975)
lower = np.quantile(simu_weights, 0.025)
print(mean_weight, lower, upper)

Daftar simu_weights yang Anda buat pada latihan terakhir sudah dimuat untuk Anda. Demikian pula, mean_weight, lower, dan upper sudah didefinisikan sebagai nilai mean serta kuantil 2,5% dan 97,5% untuk interval kepercayaan Anda.

Pustaka berikut telah dimuat untuk Anda: random, numpy sebagai np, seaborn sebagai sns, dan matplotlib.pyplot sebagai plt.

Latihan ini adalah bagian dari kursus

Simulasi Monte Carlo di Python

Lihat Kursus

Petunjuk latihan

Gunakan sns.displot() untuk memplot distribusi bobot hasil simulasi.
Gunakan plt.axvline() untuk memplot dua garis vertikal untuk interval kepercayaan 95% (plot lower lalu upper) berwarna merah, dan mean berwarna hijau.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Plot the distribution of the simulated weights
____

# Plot vertical lines for the 95% confidence intervals and mean
plt.axvline(____, color="red")
plt.axvline(____, color="red")
plt.axvline(____, color="green")
plt.show()

Edit dan Jalankan Kode