ПочатиПочніть безкоштовно

Запуск простого бутстрепу

Вітаємо у першій вправі розділу про бутстреп. Розгляньмо приклад, у якому ви навчитеся запускати простий бутстреп. Як ми бачили у відео, головна ідея бутстрепу — вибірка з поверненням.

Припустімо, що ви володієте заводом, який виготовляє гайкові ключі. Ви хочете оцінити середню довжину ключів і переконатися, що вони відповідають специфікаціям. Ваш завод виробляє тисячі ключів щодня, але вимірювати довжину кожного нереально. Втім, у вас є репрезентативна вибірка зі 100 ключів. Використаймо бутстреп, щоб отримати 95% довірчий інтервал (CI) для середньої довжини.

Ознайомтеся зі списком wrench_lengths, у якому наведено 100 спостережених довжин ключів, у оболонці.

Ця вправа є частиною курсу

Статистичне моделювання в Python

Переглянути курс

Інструкції до вправи

  • Витягніть випадкову вибірку з поверненням із wrench_lengths і збережіть її в temp_sample. Встановіть size = len(wrench_lengths).
  • Обчисліть середню довжину вибірки, збережіть її в sample_mean, а потім додайте до mean_lengths.
  • Обчисліть бутстреповане середнє (boot_mean) і 95% довірчий інтервал бутстрепу (boot_95_ci), використавши np.percentile().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Draw some random sample with replacement and append mean to mean_lengths.
mean_lengths, sims = [], 1000
for i in range(sims):
    temp_sample = ____(____, replace=____, size=____)
    sample_mean = ____
    mean_lengths.append(sample_mean)
    
# Calculate bootstrapped mean and 95% confidence interval.
boot_mean = np.mean(____)
boot_95_ci = ____(mean_lengths, [2.5, 97.5])
print("Bootstrapped Mean Length = {}, 95% CI = {}".format(boot_mean, boot_95_ci))
Редагувати та запускати код