ComeçarComece de graça

Intervalo de confiança jackknife para a mediana

Neste exercício, vamos calcular o IC de 95% via jackknife para um estimador não padrão. Aqui, vamos olhar para a mediana. Lembre-se de que a variância de um estimador jackknife é n-1 vezes a variância das estimativas individuais das amostras jackknife, em que n é o número de observações na amostra original.

Voltando à fábrica de chaves, agora você quer estimar a mediana do comprimento das chaves, junto com um IC de 95%, para garantir que estejam dentro da tolerância.

Vamos revisitar o código do exercício anterior, mas desta vez no contexto das medianas. Ao final, você terá uma ideia bem mais clara de como usar o reamostragem jackknife para calcular intervalos de confiança para estimadores não padrão.

Este exercício faz parte do curso

Simulação Estatística em Python

Ver curso

Instruções do exercício

  • Acrescente a mediana do comprimento de cada amostra jackknife em median_lengths.
  • Calcule a média da estimativa jackknife de median_length e atribua a jk_median_length.
  • Calcule o limite superior do intervalo de confiança de 95% jk_upper_ci e o limite inferior jk_lower_ci da mediana usando 1.96*np.sqrt(jk_var).

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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))
Editar e executar o código