非标准估计量

在上一个练习中，您运行了一个简单的自助法（bootstrap）。现在我们将把它改造成可用于更复杂估计量的版本。

假设您正在研究学生的健康状况。已给出 1000 名学生的身高和体重，您关心身高的中位数，以及身高与体重之间的相关系数，并希望得到这些量的 95% 置信区间。让我们使用自助法来估计。

查看包含 1000 名学生身高和体重的 pandas 数据框 df。基于此，计算「身高中位数」以及「身高与体重的相关系数」的 95% 置信区间。

本练习是课程的一部分

Python 中的统计模拟

查看课程

练习说明

在 df 上使用 .sample() 方法进行有放回抽样，将生成的样本数据赋给 tmp_df。
对每个生成的数据集 tmp_df，使用 .median() 和 .corr() 分别计算身高的中位数，以及身高与体重的相关系数。
将身高中位数添加到 height_medians，将相关系数添加到 hw_corr。
最后使用 np.percentile() 分别计算上述两个量的 95%（[2.5, 97.5]）置信区间。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))

编辑并运行代码