НачатьНачать бесплатно

Нестандартные оценки

В предыдущем упражнении вы выполнили простой бутстрэп, который теперь мы адаптируем для более сложных оценок.

Предположим, вы изучаете состояние здоровья студентов. В вашем распоряжении данные о росте и весе 1000 студентов. Вас интересует медианный рост, а также корреляция между ростом и весом и соответствующие 95%-е доверительные интервалы для этих величин. Воспользуемся бутстрэпом.

Изучите DataFrame df из библиотеки pandas, содержащий данные о росте и весе 1000 студентов. На его основе вычислите 95%-й доверительный интервал для медианного роста и корреляции между ростом и весом.

Это упражнение является частью курса

Статистическое моделирование на Python

Посмотреть курс

Инструкции к упражнению

  • Используйте метод .sample() на df, чтобы сгенерировать выборку с возвращением, и сохраните результат в tmp_df.
  • Для каждого сгенерированного набора данных в tmp_df вычислите медианный рост и корреляцию между ростом и весом с помощью .median() и .corr().
  • Добавьте значения медианного роста в height_medians, а значения корреляции — в hw_corr.
  • Наконец, вычислите 95%-е ([2.5, 97.5]) доверительные интервалы для каждой из указанных величин с помощью np.percentile().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Sample with replacement and calculate quantities of interest
sims, data_size, height_medians, hw_corr = 1000, df.shape[0], [], []
for i in range(sims):
    tmp_df = ____(n=____, replace=____)
    height_medians.append(____)
    hw_corr.append(____)

# Calculate confidence intervals
height_median_ci = np.____
height_weight_corr_ci = np.____
print("Height Median CI = {} \nHeight Weight Correlation CI = {}".format( height_median_ci, height_weight_corr_ci))
Редактировать и запускать код