始める無料で始める

リサンプリング結果の可視化

前の演習で作成したシミュレーション結果を可視化しましょう。引き続き、NBA選手グループの体重（kg）を含む nba_weights を使います。

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

こちらが前の演習で使ったシミュレーションコードです。

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)

前の演習で作成した simu_weights リストはすでに読み込まれています。同様に、mean_weight、lower、upper も、平均と信頼区間の2.5%および97.5%分位点として定義済みです。

次のパッケージは読み込み済みです：random、numpy は np、seaborn は sns、matplotlib.pyplot は plt。

この演習はコースの一部です

Pythonで学ぶモンテカルロ・シミュレーション

コースを見る

演習の手順

  • sns.displot() を使って、シミュレーションで得た体重の分布を描画します。
  • plt.axvline() を使って、95%信頼区間の2本の縦線（lower、続いて upper）を赤で、平均を緑で描画します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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()
コードを編集して実行