乱数は多くの分析で重要ですが、結果にわずかなばらつきが生じるという問題もあります。売上予測を計算するスクリプトが毎回違う答えを出してしまい、上司に説明しづらくなることもあります。
numpy の乱数生成器にシードを設定すると、乱数生成を再現可能にでき、このような問題を避けられます。
numpy
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
サンプリングとは何か、そしてなぜ強力なのかを学びます。ついで、便宜抽出が引き起こす問題点や、真のランダム性と疑似乱数の違いについても扱います。
現在の演習
いよいよ手を動かしましょう。Pythonで4つの無作為抽出法(単純、系統、層化、クラスター)を実装します。
これまでのサンプリングを検証します。この章では、相対誤差で標本統計量の精度を定量化し、サンプリング分布を生成して推定のばらつきを評価する方法を学びます。
リサンプリングを用いたブートストラップで、未知の母集団のばらつきを推定します。サンプリング分布とブートストラップ分布の違いも、リサンプリングを通して理解します。