НачатьНачать бесплатно

Базовая оценка методом jackknife — среднее

Метод jackknife — это более старая процедура повторной выборки, которая применяется реже, чем бутстрэп. Тем не менее полезно знать, как выполнять базовую оценку с его помощью. В этом упражнении мы вычислим оценку среднего методом jackknife. Вернёмся к заводу по производству гаечных ключей.

Вы владеете таким заводом и хотите измерить среднюю длину ключей, чтобы убедиться в соответствии продукции техническим требованиям. Завод производит тысячи ключей в день, и измерить каждый из них нереально. Однако у вас есть репрезентативная выборка из 100 ключей. Воспользуемся методом jackknife, чтобы оценить среднюю длину.

Изучите переменную wrench_lengths в консоли.

Это упражнение является частью курса

Статистическое моделирование на Python

Посмотреть курс

Инструкции к упражнению

  • Сформируйте выборку методом jackknife: поочерёдно исключайте одно наблюдение из wrench_lengths и присваивайте результат переменной jk_sample.
  • Вычислите среднее значение jk_sample и добавьте его в список mean_lengths.
  • Наконец, вычислите оценку методом jackknife mean_lengths_jk как среднее значение массива mean_lengths.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Leave one observation out from wrench_lengths to get the jackknife sample and store the mean length
mean_lengths, n = [], len(wrench_lengths)
index = np.arange(n)

for i in range(n):
    jk_sample = ____[index != i]
    mean_lengths.append(____)

# The jackknife estimate is the mean of the mean lengths from each sample
mean_lengths_jk = ____(np.array(mean_lengths))
print("Jackknife estimate of the mean = {}".format(mean_lengths_jk))
Редактировать и запускать код