시작하기무료로 시작하기

중앙값에 대한 잭나이프 신뢰구간

이번 연습 문제에서는 비표준 추정량에 대해 잭나이프 95% 신뢰구간(CI)을 계산해 보겠습니다. 여기서는 중앙값을 다룹니다. 잭나이프 추정량의 분산은 원본 표본의 관측치 개수를 n이라 할 때, 개별 잭나이프 샘플 추정값들의 분산에 n-1을 곱한 값이라는 점을 기억하세요.

렌치 공장 사례로 돌아와서, 이제는 공차를 만족하는지 확인하기 위해 렌치 길이의 중앙값과 그에 대한 95% CI를 추정하려고 합니다.

이전 연습 문제의 코드를 다시 살펴보되, 이번에는 중앙값 길이의 관점에서 적용해 보겠습니다. 이 연습을 마치면 잭나이프 리샘플링을 사용해 비표준 추정량의 신뢰구간을 계산하는 방법을 더 잘 이해하게 될 거예요.

이 연습은 강의의 일부입니다

Python으로 하는 통계 시뮬레이션

강의 보기

연습 안내

  • 각 잭나이프 샘플의 중앙값 길이를 median_lengths에 추가하세요.
  • median_length에 대한 잭나이프 추정의 평균을 계산하여 jk_median_length에 할당하세요.
  • 1.96*np.sqrt(jk_var)를 사용해 중앙값의 95% 신뢰구간 상한 jk_upper_ci와 하한 jk_lower_ci를 계산하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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))
코드 편집 및 실행