Bootstrapping a normalność
Widzisz już wyniki bootstrapowego przedziału ufności dla współczynnika r Pearsona. A co z typowymi sytuacjami, takimi jak wyznaczanie przedziału ufności dla średniej? Kiedy warto używać bootstrapowego przedziału ufności zamiast „normalnego" przedziału pochodzącego z stats.norm?
Załadowano dla ciebie ramkę danych z inwestycjami funduszy venture capital (investments_df), a także pakiety pandas jako pd, NumPy jako np oraz stats z biblioteki SciPy.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)