Bootstrap e Erro Padrão

Imagine um Parque Nacional onde os guardas percorrem trilhas todos os dias como parte da manutenção. Eles nem sempre seguem o mesmo caminho, mas registram a distância e o tempo finais. Queremos construir um modelo estatístico das variações na distância diária percorrida a partir de uma amostra limitada de dados de um guarda.

Seu objetivo é usar o bootstrap (re)amostrando e calculando uma média para cada reamostra, para criar uma distribuição de médias, e então calcular o erro padrão como uma forma de quantificar a "incerteza" na estatística da amostra como estimador da estatística da população.

Use o array sample_data, pré-carregado, com 500 medidas independentes de distância percorrida. Por enquanto, usamos um conjunto de dados simulado para simplificar esta lição. Depois, veremos dados mais realistas.

Este exercicio faz parte do curso

Introdução à Modelagem Linear em Python

Ver curso

Instruções do exercicio

Defina sample_data como o modelo para a população.
Itere num_resamples vezes:
- Use np.random.choice() a cada vez para gerar um bootstrap_sample com size=resample_size, retirado de population_model, e especifique replace=True.
- Calcule e armazene a média da amostra a cada iteração.
Calcule e imprima np.mean() e np.std() de bootstrap_means.
Use a função predefinida plot_data_hist() e visualize a distribuição de bootstrap_means.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Use the sample_data as a model for the population
population_model = ____

# Resample the population_model 100 times, computing the mean each sample
for nr in range(num_resamples):
    bootstrap_sample = np.random.____(population_model, size=____, replace=____)
    bootstrap_means[nr] = np.____(bootstrap_sample)

# Compute and print the mean, stdev of the resample distribution of means
distribution_mean = np.mean(____)
standard_error = np.std(____)
print('Bootstrap Distribution: center={:0.1f}, spread={:0.1f}'.format(____, ____))

# Plot the bootstrap resample distribution of means
fig = plot_data_hist(____)

Editar e Executar Código