Intervalul de încredere jackknife pentru mediană

În acest exercițiu, vom calcula IC 95% jackknife pentru un estimator non-standard – și anume, mediana. Reține că varianța unui estimator jackknife este de n-1 ori varianța estimărilor individuale din eșantioanele jackknife, unde n este numărul de observații din eșantionul original.

Revenim la fabrica de chei fixe: acum ești interesat să estimezi lungimea mediană a cheilor, împreună cu un IC 95%, pentru a te asigura că acestea se încadrează în toleranțele admise.

Vom relua codul din exercițiul anterior, dar de data aceasta în contextul lungimilor mediane. La finalul acestui exercițiu, vei înțelege mult mai bine cum se folosește reeșantionarea jackknife pentru a calcula intervale de încredere pentru estimatori non-standard.

Acest exercițiu face parte din cursul

Simulare statistică în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Adaugă lungimea mediană a fiecărui eșantion jackknife în lista median_lengths.
Calculează media estimării jackknife a lui median_length și atribuie rezultatul variabilei jk_median_length.
Calculează limita superioară jk_upper_ci și limita inferioară jk_lower_ci ale intervalului de încredere de 95% pentru mediană, folosind 1.96*np.sqrt(jk_var).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))

Editează și rulează codul