MulaiMulai sekarang secara gratis

Interval kepercayaan jackknife untuk median

Pada latihan ini, kita akan menghitung CI 95% jackknife untuk sebuah penaksir non-standar. Di sini, kita akan melihat median. Ingat bahwa varians penaksir jackknife adalah n-1 kali varians dari penaksiran tiap sampel jackknife, dengan n adalah jumlah observasi pada sampel asli.

Kembali ke pabrik kunci pas, kini Anda ingin menaksir median panjang kunci pas beserta CI 95% untuk memastikan kunci pas berada dalam toleransi.

Mari meninjau kembali kode dari latihan sebelumnya, namun kali ini dalam konteks panjang median. Di akhir latihan ini, Anda akan memiliki gambaran yang jauh lebih baik tentang cara menggunakan jackknife resampling untuk menghitung interval kepercayaan bagi penaksir non-standar.

Latihan ini adalah bagian dari kursus

Simulasi Statistik di Python

Lihat Kursus

Petunjuk latihan

  • Tambahkan median panjang dari setiap sampel jackknife ke median_lengths.
  • Hitung rata-rata dari penaksir jackknife median_length dan simpan ke jk_median_length.
  • Hitung batas atas interval kepercayaan 95% jk_upper_ci dan batas bawah interval kepercayaan 95% median jk_lower_ci menggunakan 1.96*np.sqrt(jk_var).

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Leave one observation out to get the jackknife sample and store the median length
median_lengths = []
for i in range(n):
    jk_sample = wrench_lengths[index != i]
    median_lengths.append(____)

median_lengths = np.array(median_lengths)

# Calculate jackknife estimate and it's variance
jk_median_length = ____
jk_var = (n-1)*np.var(median_lengths)

# Assuming normality, calculate lower and upper 95% confidence intervals
jk_lower_ci = jk_median_length - ____
jk_upper_ci = jk_median_length + ____
print("Jackknife 95% CI lower = {}, upper = {}".format(jk_lower_ci, jk_upper_ci))
Edit dan Jalankan Kode