ÎncepețiÎncepe gratuit

Vizualizează distribuția bootstrap

Continuând de unde am rămas mai devreme în această lecție, hai să vizualizăm distribuția bootstrap a vitezelor estimate prin reeșantionare bootstrap. Am calculat o regresie după metoda celor mai mici pătrate pentru panta fiecărui eșantion, pentru a testa variația și incertitudinea în estimarea pantei.

Pentru a-ți ușura începutul, am preîncărcat o funcție compute_resample_speeds(distances, times) care realizează calculul și generează distribuția eșantionului de viteze.

Acest exercițiu face parte din cursul

Introducere în modelarea liniară în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosește funcția predefinită compute_resample_speeds(distances, times) pentru a calcula resample_speeds.
  • Folosește np.mean() pentru a calcula speed_estimate din resample_speeds.
  • Folosește np.percentile() cu [5, 95] pentru a calcula percentiles ale lui resample_speeds, care definesc limitele intervalului de încredere.
  • Folosește axis.hist() pentru a reprezenta grafic resample_speeds, specificând intervalele cu hist_bin_edges.
  • Folosind axis.axvline, specifică cei doi indici corecți din percentiles pentru a marca limitele intervalului de încredere pe grafic.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create the bootstrap distribution of speeds
resample_speeds = compute_resample_speeds(____, ____)
speed_estimate = np.mean(____)
percentiles = np.percentile(____, [5, 95])

# Plot the histogram with the estimate and confidence interval
fig, axis = plt.subplots()
hist_bin_edges = np.linspace(0.0, 4.0, 21)
axis.hist(____, ____, color='green', alpha=0.35, rwidth=0.8)
axis.axvline(speed_estimate, label='Estimate', color='black')
axis.axvline(percentiles[____], label=' 5th', color='blue')
axis.axvline(percentiles[____], label='95th', color='blue')
axis.legend()
plt.show()
Editează și rulează codul