Kom igångKom igång gratis

Grundläggande jackknife-skattning – medelvärde

Jackknife-resampling är en äldre metod som inte används lika ofta som bootstrapping. Det är ändå bra att känna till hur man genomför en grundläggande jackknife-skattning. I den här övningen beräknar vi jackknife-skattningen för medelvärdet. Vi återvänder till skruvnyckelfabriken.

Du äger en skruvnyckelfabrik och vill mäta den genomsnittliga längden på skruvnycklarna för att kontrollera att de uppfyller vissa specifikationer. Din fabrik tillverkar tusentals skruvnycklar varje dag, men det är inte praktiskt genomförbart att mäta varje enskild skruvnyckel. Du har däremot tillgång till ett representativt urval på 100 skruvnycklar. Använd jackknife-skattning för att beräkna den genomsnittliga längden.

Granska variabeln wrench_lengths i terminalen.

Den här övningen är en del av kursen

Statistisk simulering i Python

Visa kurs

Övningsinstruktioner

  • Skapa ett jackknife-urval genom att iterativt utelämna en observation i taget från wrench_lengths och tilldela resultatet till jk_sample.
  • Beräkna medelvärdet av jk_sample och lägg till det i mean_lengths.
  • Beräkna slutligen jackknife-skattningen mean_lengths_jk som medelvärdet av arrayen mean_lengths.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod