Bắt đầu ngayBắt đầu miễn phí

Trực quan hóa Bootstrap

Tiếp nối phần trước của bài học, hãy trực quan hóa phân phối bootstrap của các vận tốc ước lượng bằng phương pháp bootstrap resampling. Ở đó, chúng ta đã tính đường khớp bình phương tối thiểu cho hệ số góc (slope) của mỗi mẫu để kiểm tra mức độ biến thiên hay độ bất định trong ước lượng slope.

Để bạn bắt đầu nhanh, chúng tôi đã nạp sẵn hàm compute_resample_speeds(distances, times) để thực hiện việc tính toán và tạo phân phối mẫu của vận tốc.

Bài tập này là một phần của khóa học

Nhập môn Mô hình tuyến tính với Python

Xem khóa học

Hướng dẫn bài tập

  • Dùng hàm dựng sẵn compute_resample_speeds(distances, times) để tính resample_speeds.
  • Dùng np.mean() để tính speed_estimate từ resample_speeds.
  • Dùng np.percentile() với [5, 95] để tính percentiles của resample_speeds, qua đó xác định các biên của khoảng tin cậy.
  • Dùng axis.hist() để vẽ resample_speeds, chỉ định các bins bằng hist_bin_edges.
  • Dùng axis.axvline, chỉ định đúng hai chỉ số của percentiles để đánh dấu các biên khoảng tin cậy trên biểu đồ.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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()
Chỉnh sửa và Chạy Mã