การสุ่มตัวอย่างแบบใส่คืน
Bootstrapping เหมาะมากสำหรับการคำนวณช่วงความเชื่อมั่นของค่าเฉลี่ย มาฝึกทำสิ่งนั้นกัน!
nba_weights เก็บน้ำหนักของนักบาสเกตบอล NBA กลุ่มหนึ่งในหน่วยกิโลกรัม:
nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1,
100.3, 101.0, 98.0, 97.4]
เป้าหมายคือการคำนวณช่วงความเชื่อมั่น 95% ของค่าเฉลี่ยน้ำหนักนักบาสเกตบอล NBA จากรายการนี้
มีการ import ให้แล้วดังนี้: random และ numpy ในชื่อ np
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Monte Carlo Simulations ใน Python
คำแนะนำการฝึกหัด
- ใช้
random.choices()เพื่อสุ่มน้ำหนัก 9 ค่าจากรายการ จำนวน 1,000 ครั้ง แบบใส่คืน - คำนวณค่าเฉลี่ยและช่วงความเชื่อมั่น 95% จากผลการจำลอง โดยกำหนดค่าขอบล่างของช่วงความเชื่อมั่นให้กับ
lowerและค่าขอบบนให้กับupper
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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)