Визуализация бутстрэпа

Продолжим работу, начатую ранее в этом уроке: давайте визуализируем бутстрэп-распределение скоростей, полученных методом бутстрэп-ресэмплинга. Напомним, что для каждой выборки мы вычисляли наклон методом наименьших квадратов, чтобы оценить вариативность и неопределённость в оценке наклона.

Для удобства мы заранее определили функцию compute_resample_speeds(distances, times), которая выполняет вычисления и формирует выборочное распределение скоростей.

Это упражнение является частью курса

Введение в линейное моделирование на Python

Посмотреть курс

Инструкции к упражнению

Используйте заранее определённую функцию compute_resample_speeds(distances, times), чтобы вычислить resample_speeds.
Используйте np.mean(), чтобы вычислить speed_estimate на основе resample_speeds.
Используйте np.percentile() с аргументом [5, 95], чтобы вычислить percentiles для resample_speeds — они задают границы доверительного интервала.
Используйте axis.hist(), чтобы построить гистограмму resample_speeds, задав разбивку с помощью hist_bin_edges.
С помощью axis.axvline укажите правильные два индекса массива percentiles, чтобы отметить границы доверительного интервала на графике.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()

Редактировать и запускать код