ПочатиПочніть безкоштовно

Нестандартні оцінювачі

У попередній вправі ви запустили простий бутстреп, який тепер ми модифікуємо для складніших оцінювачів.

Припустімо, ви досліджуєте здоров'я студентів. У вас є зріст і вага 1000 студентів, і вас цікавлять медіана зросту, а також кореляція між зростом і вагою та пов'язаний із ними 95% ДІ для цих величин. Скористаймося бутстрепом.

Ознайомтеся з датафреймом pandas df, що містить зріст і вагу 1000 студентів. Використовуючи його, обчисліть 95% ДІ і для медіани зросту, і для кореляції між зростом і вагою.

Ця вправа є частиною курсу

Статистичне моделювання в Python

Переглянути курс

Інструкції до вправи

  • Використайте метод .sample() для df, щоб згенерувати вибірку з поверненням і присвоїти її до tmp_df.
  • Для кожного згенерованого набору даних у tmp_df обчисліть медіану зросту та кореляцію між зростом і вагою за допомогою .median() і .corr().
  • Додайте медіани зросту до height_medians, а кореляції — до hw_corr.
  • Нарешті обчисліть 95% ([2.5, 97.5]) довірчі інтервали для кожної з наведених величин за допомогою np.percentile().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Sample with replacement and calculate quantities of interest
sims, data_size, height_medians, hw_corr = 1000, df.shape[0], [], []
for i in range(sims):
    tmp_df = ____(n=____, replace=____)
    height_medians.append(____)
    hw_corr.append(____)

# Calculate confidence intervals
height_median_ci = np.____
height_weight_corr_ci = np.____
print("Height Median CI = {} \nHeight Weight Correlation CI = {}".format( height_median_ci, height_weight_corr_ci))
Редагувати та запускати код