Próbkowanie ze zwracaniem
Bootstrapping świetnie sprawdza się przy obliczaniu przedziałów ufności dla średnich – teraz przećwiczysz tę technikę w praktyce!
nba_weights zawiera wagi grupy zawodników NBA w kilogramach:
nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1,
100.3, 101.0, 98.0, 97.4]
Chcesz obliczyć 95-procentowy przedział ufności dla średniej wagi zawodników NBA na podstawie tej listy.
Następujące moduły zostały już zaimportowane: random oraz numpy jako np.
To ćwiczenie jest częścią kursu
Symulacje Monte Carlo w Pythonie
Instrukcje do ćwiczenia
- Użyj
random.choices(), aby 1000 razy wylosować dziewięć wag z listy ze zwracaniem. - Oblicz średnią i 95-procentowy przedział ufności dla wyników symulacji – przypisz dolną granicę przedziału do zmiennej
lower, a górną doupper.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
simu_weights = []
# Sample nine values from nba_weights with replacement 1000 times
for i in range(____):
bootstrap_sample = ____
simu_weights.append(np.mean(bootstrap_sample))
# Calculate the mean and 95% confidence interval of the mean for your results
mean_weight = ____
upper = ____
lower = ____
print(mean_weight, lower, upper)