样本统计量的变异性

如果我们通过从总体中抽取 size=1000 个点来创建一个样本，然后计算一个样本统计量（例如均值），它就是对该样本的单一概括值。

如果您将该抽样过程重复 num_samples=100 次，就会得到 100 个样本。对每个不同样本计算样本统计量（如均值），会得到这些均值组成的一个分布。目标是计算这些"均值的均值"和"均值的标准差"。

这里为您预加载了 population、num_samples 和 num_pts。请注意，数组 means 和 deviations 已初始化为 0，作为 for 循环中要使用的容器。

本练习是课程的一部分

Python 线性建模入门

查看课程

练习说明

对于 num_samples=100 的每一次迭代，生成一个样本，并计算与存储样本统计量。
在每次迭代中，使用 np.random.choice() 从总体中抽取 1000 个随机点来创建 sample。
在每次迭代中，调用并存储 sample.mean() 和 sample.std()，分别计算样本的均值和标准差。
对数组 means 和数组 deviations，分别计算它们各自的均值和标准差，并打印结果。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Initialize two arrays of zeros to be used as containers
means = np.zeros(num_samples)
stdevs = np.zeros(num_samples)

# For each iteration, compute and store the sample mean and sample stdev
for ns in range(num_samples):
    sample = np.____.choice(population, num_pts)
    means[ns] = sample.____()
    stdevs[ns] = sample.____()

# Compute and print the mean() and std() for the sample statistic distributions
print("Means:  center={:>6.2f}, spread={:>6.2f}".format(means.mean(), means.std()))
print("Stdevs: center={:>6.2f}, spread={:>6.2f}".format(stdevs.____(), stdevs.____()))

编辑并运行代码