ПочатиПочніть безкоштовно

Візуалізація бутстрепу

Продовжуючи попередній приклад із цього уроку, давайте візуалізуємо бутстреп-розподіл швидкостей, оцінених за допомогою бутстреп-ресемплінгу. Ми виконували метод найменших квадратів для нахилу в кожній вибірці, щоб перевірити варіативність або невизначеність оцінки нашого нахилу.

Щоб ви швидше стартували, ми заздалегідь підвантажили функцію compute_resample_speeds(distances, times), яка обчислює та формує вибірковий розподіл швидкостей.

Ця вправа є частиною курсу

Вступ до лінійного моделювання в Python

Переглянути курс

Інструкції до вправи

  • Скористайтеся попередньо визначеною функцією compute_resample_speeds(distances, times), щоб обчислити resample_speeds.
  • Використайте np.mean(), щоб обчислити speed_estimate з resample_speeds.
  • Використайте np.percentile() з [5, 95], щоб обчислити percentiles для resample_speeds, які задають межі довірчого інтервалу.
  • Використайте axis.hist() для побудови гістограми resample_speeds, вказавши бінінг через hist_bin_edges.
  • Використовуючи axis.axvline, задайте правильні два індекси percentiles, щоб позначити межі довірчого інтервалу на графіку.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Create the bootstrap distribution of speeds
resample_speeds = compute_resample_speeds(____, ____)
speed_estimate = np.mean(____)
percentiles = np.percentile(____, [5, 95])

# Plot the histogram with the estimate and confidence interval
fig, axis = plt.subplots()
hist_bin_edges = np.linspace(0.0, 4.0, 21)
axis.hist(____, ____, color='green', alpha=0.35, rwidth=0.8)
axis.axvline(speed_estimate, label='Estimate', color='black')
axis.axvline(percentiles[____], label=' 5th', color='blue')
axis.axvline(percentiles[____], label='95th', color='blue')
axis.legend()
plt.show()
Редагувати та запускати код