Bootstrap vs. normalità
Hai visto i risultati di un intervallo di confidenza bootstrap per l'R di Pearson. Ma che dire di situazioni comuni come costruire un intervallo di confidenza per una media? Perché dovresti usare un intervallo di confidenza bootstrap invece di un intervallo di confidenza "normale" ottenuto da stats.norm?
Un DataFrame con gli investimenti di società di venture capital (investments_df) è già stato caricato per te, così come i pacchetti pandas come pd, NumPy come np e stats da SciPy.
Questo esercizio fa parte del corso
Fondamenti dell'inferenza in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Select just the companies in the Analytics market
analytics_df = ____[____ == 'Analytics']
# Confidence interval using the stats.norm function
norm_ci = stats.norm.____(alpha=____,
loc=____,
scale=____.std() / np.___(____))
# Construct a bootstrapped confidence interval
bootstrap_ci = stats.bootstrap(data=(____, ),
statistic=np.____)
print('Normal CI:', norm_ci)
print('Bootstrap CI:', bootstrap_ci.confidence_interval)