執行一個簡單的 bootstrap

歡迎來到 bootstrapping 小節的第一個練習。我們會透過一個例子學會如何執行簡單的 bootstrap。就像在影片裡看到的，bootstrapping 的核心概念是「有放回的抽樣」。

假設你擁有一家生產扳手的工廠。你想描述扳手的平均長度，並確認它們符合規格。工廠每天生產上千把扳手，但要量每一把的長度並不可行。不過，你手邊有 100 把扳手的具代表性樣本。讓我們用 bootstrapping 來取得平均長度的 95% 信賴區間（CI）。

在指令列中查看清單 wrench_lengths，其中包含 100 個觀察到的扳手長度。

本練習屬於課程

Python 的統計模擬

檢視課程

練習說明

從 wrench_lengths 進行有放回的隨機抽樣，並將結果存成 temp_sample。設定 size = len(wrench_lengths)。
計算每個樣本的平均長度，指派給 sample_mean，然後將它加入 mean_lengths。
使用 np.percentile() 計算 bootstrap 的平均值（boot_mean）以及 bootstrap 的 95% 信賴區間（boot_95_ci）。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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))

編輯並執行程式碼