НачатьНачать бесплатно

Простой бутстреп

Добро пожаловать в первое упражнение раздела о бутстрепинге! Мы разберём пример, в котором научимся выполнять простой бутстреп. Как вы видели в видео, ключевая идея бутстрепинга — это выборка с возвращением.

Представьте, что вы владеете заводом по производству гаечных ключей. Вам нужно оценить среднюю длину выпускаемых ключей и убедиться, что она соответствует техническим требованиям. Завод производит тысячи ключей в день, и измерить каждый из них нереально. Однако у вас есть репрезентативная выборка из 100 ключей. Воспользуемся бутстрепингом, чтобы построить 95% доверительный интервал (ДИ) для средней длины.

Изучите список wrench_lengths, содержащий 100 измеренных длин гаечных ключей, в консоли.

Это упражнение является частью курса

Статистическое моделирование на Python

Посмотреть курс

Инструкции к упражнению

  • Сформируйте случайную выборку с возвращением из wrench_lengths и сохраните её в temp_sample. Задайте size = len(wrench_lengths).
  • Вычислите среднюю длину для каждой выборки, присвойте результат переменной sample_mean и добавьте его в список mean_lengths.
  • Вычислите бутстреп-среднее (boot_mean) и 95% бутстреп-доверительный интервал (boot_95_ci) с помощью np.percentile().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))
Редактировать и запускать код