Sampling med återläggning
Bootstrapping är ett utmärkt sätt att beräkna konfidensintervall för medelvärden – och det är precis vad du ska öva på nu!
nba_weights innehåller vikterna för en grupp NBA-spelare i kilogram:
nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1,
100.3, 101.0, 98.0, 97.4]
Målet är att beräkna 95%-konfidensintervallet för medelvikten hos NBA-spelare med hjälp av den här listan.
Följande har redan importerats: random och numpy som np.
Den här övningen är en del av kursen
Monte Carlo-simuleringar i Python
Övningsinstruktioner
- Använd
random.choices()för att sampla nio vikter från listan 1 000 gånger, med återläggning. - Beräkna medelvärdet och 95%-konfidensintervallet för dina simuleringsresultat. Tilldela den nedre gränsen för konfidensintervallet till
loweroch den övre gränsen tillupper.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
simu_weights = []
# Sample nine values from nba_weights with replacement 1000 times
for i in range(____):
bootstrap_sample = ____
simu_weights.append(np.mean(bootstrap_sample))
# Calculate the mean and 95% confidence interval of the mean for your results
mean_weight = ____
upper = ____
lower = ____
print(mean_weight, lower, upper)