基础 Jackknife 估计——均值

Jackknife 重抽样是一种较早的方法，使用频率不如自助法（bootstrapping）高。不过，了解如何进行基本的 jackknife 估计仍然很有用。在本练习中，您将计算均值的 jackknife 估计。让我们回到扳手工厂的情境。

您经营一家扳手工厂，需要测量扳手的平均长度，以确保符合规格。工厂每天生产成千上万把扳手，但逐一测量并不可行。不过，您手头有一个包含 100 把扳手的代表性样本。现在用 jackknife 估计来得到平均长度。

请在 Shell 中查看变量 wrench_lengths。

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

通过依次从 wrench_lengths 中留出一个观测值，获取 jackknife 样本，并将其赋给 jk_sample。
计算 jk_sample 的均值，并将其追加到 mean_lengths。
最后，将 mean_lengths 数组的均值作为 jackknife 估计 mean_lengths_jk。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Leave one observation out from wrench_lengths to get the jackknife sample and store the mean length
mean_lengths, n = [], len(wrench_lengths)
index = np.arange(n)

for i in range(n):
    jk_sample = ____[index != i]
    mean_lengths.append(____)

# The jackknife estimate is the mean of the mean lengths from each sample
mean_lengths_jk = ____(np.array(mean_lengths))
print("Jackknife estimate of the mean = {}".format(mean_lengths_jk))

编辑并运行代码