Bootstrapping và tính chuẩn
Bạn đã xem kết quả của khoảng tin cậy bootstrap cho Pearson's R. Nhưng còn những tình huống phổ biến như lập khoảng tin cậy cho trung bình thì sao? Vì sao bạn nên dùng khoảng tin cậy bootstrap thay vì khoảng tin cậy "chuẩn" từ stats.norm?
Một DataFrame hiển thị các khoản đầu tư từ các quỹ đầu tư mạo hiểm (investments_df) đã được nạp sẵn, cùng với các gói pandas là pd, NumPy là np, và stats từ SciPy.
Bài tập này là một phần của khóa học
Nền tảng Suy luận trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Select just the companies in the Analytics market
analytics_df = ____[____ == 'Analytics']
# Confidence interval using the stats.norm function
norm_ci = stats.norm.____(alpha=____,
loc=____,
scale=____.std() / np.___(____))
# Construct a bootstrapped confidence interval
bootstrap_ci = stats.bootstrap(data=(____, ),
statistic=np.____)
print('Normal CI:', norm_ci)
print('Bootstrap CI:', bootstrap_ci.confidence_interval)