НачатьНачать бесплатно

Бутстреп-реплики других статистик

В предыдущем упражнении мы убедились, что среднее значение подчиняется нормальному распределению. Для других статистик это не обязательно так — но нас это не остановит: мы всегда можем воспользоваться бутстрепом! В этом упражнении вы получите бутстреп-реплики дисперсии годового количества осадков на метеостанции Шеффилда и построите гистограмму этих реплик.

Здесь вы будете использовать функцию draw_bs_reps(), которую определили в одном из предыдущих упражнений. Для справки она приведена ниже:

def draw_bs_reps(data, func, size=1):
    """Draw bootstrap replicates."""
    # Initialize array of replicates
    bs_replicates = np.empty(size)
    # Generate replicates
    for i in range(size):
        bs_replicates[i] = bootstrap_replicate_1d(data, func)
    return bs_replicates

Это упражнение является частью курса

Статистическое мышление на Python (часть 2)

Посмотреть курс

Инструкции к упражнению

  • С помощью функции draw_bs_reps() получите 10000 бутстреп-реплик дисперсии годового количества осадков из набора данных rainfall. Подсказка: передайте np.var для вычисления дисперсии.
  • Разделите реплики дисперсии (bs_replicates) на 100, чтобы перевести дисперсию в единицы квадратных сантиметров для удобства.
  • Постройте гистограмму bs_replicates, используя именованный аргумент normed=True и 50 бинов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Generate 10,000 bootstrap replicates of the variance: bs_replicates
bs_replicates = ____

# Put the variance in units of square centimeters
____

# Make a histogram of the results
_ = plt.hist(____, ____, ____)
_ = plt.xlabel('variance of annual rainfall (sq. cm)')
_ = plt.ylabel('PDF')

# Show the plot
plt.show()
Редактировать и запускать код