ComeçarComece de graça

Executando um bootstrap simples

Bem-vindo ao primeiro exercício da seção de bootstrapping. Vamos trabalhar em um exemplo para aprender a executar um bootstrap simples. Como vimos no vídeo, a ideia principal por trás do bootstrapping é amostrar com reposição.

Suponha que você seja dono de uma fábrica que produz chaves inglesas. Você quer caracterizar o comprimento médio das chaves e garantir que elas atendam a certas especificações. Sua fábrica produz milhares de chaves por dia, mas é inviável medir o comprimento de cada uma. Porém, você tem acesso a uma amostra representativa de 100 chaves. Vamos usar bootstrapping para obter o intervalo de confiança (IC) de 95% para os comprimentos médios.

Examine a lista wrench_lengths, que contém 100 comprimentos observados de chaves, no shell.

Este exercício faz parte do curso

Simulação Estatística em Python

Ver curso

Instruções do exercício

  • Faça uma amostra aleatória com reposição de wrench_lengths e armazene em temp_sample. Defina size = len(wrench_lengths).
  • Calcule o comprimento médio de cada amostra, atribua a sample_mean e depois acrescente a mean_lengths.
  • Calcule a média via bootstrap (boot_mean) e o intervalo de confiança de 95% via bootstrap (boot_95_ci) usando np.percentile().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Draw some random sample with replacement and append mean to mean_lengths.
mean_lengths, sims = [], 1000
for i in range(sims):
    temp_sample = ____(____, replace=____, size=____)
    sample_mean = ____
    mean_lengths.append(sample_mean)
    
# Calculate bootstrapped mean and 95% confidence interval.
boot_mean = np.mean(____)
boot_95_ci = ____(mean_lengths, [2.5, 97.5])
print("Bootstrapped Mean Length = {}, 95% CI = {}".format(boot_mean, boot_95_ci))
Editar e executar o código