เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Bootstrap replicates ของสถิติอื่น ๆ

จากแบบฝึกหัดก่อนหน้า เราพบว่าค่าเฉลี่ยมีการแจกแจงแบบปกติ (Normal distribution) แต่สถิติอื่น ๆ อาจไม่เป็นเช่นนั้นเสมอไป อย่างไรก็ตามในฐานะ hacker เราสามารถใช้ bootstrap replicates ได้เสมอ! ในแบบฝึกหัดนี้ จะสร้าง bootstrap replicates สำหรับความแปรปรวนของปริมาณน้ำฝนรายปีที่สถานีอุตุนิยมวิทยา Sheffield แล้วพล็อตฮิสโทแกรมของ replicates เหล่านั้น

แบบฝึกหัดนี้จะใช้ฟังก์ชัน draw_bs_reps() ที่นิยามไว้ในแบบฝึกหัดก่อนหน้า ซึ่งแสดงไว้ด้านล่างเพื่อใช้อ้างอิง:

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

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สุ่ม bootstrap replicates จำนวน 10000 ครั้งสำหรับ ความแปรปรวน ของปริมาณน้ำฝนรายปีในชุดข้อมูล rainfall โดยใช้ฟังก์ชัน draw_bs_reps() คำใบ้: ส่ง np.var เข้าไปเพื่อคำนวณความแปรปรวน
  • หาร variance replicates (bs_replicates) ด้วย 100 เพื่อแปลงหน่วยของความแปรปรวนให้เป็นตารางเซนติเมตร
  • สร้างฮิสโทแกรมของ bs_replicates โดยใช้อาร์กิวเมนต์ normed=True และกำหนดจำนวน bin เป็น 50

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด