Incertitude du modèle et distributions d'échantillons

Introduction à la modélisation linéaire en Python

Jason Vestuto

Data Scientist

Population indisponible

Histogramme du nombre de jours par classes de température, Températures maximales quotidiennes en août

Introduction à la modélisation linéaire en Python

Échantillon comme modèle de population

2 histogrammes : un pour l'échantillon et un pour la population, tous deux du nombre de jours normalisé par classes de température, avec des barres d'échantillon de hauteur proche de celles de la population

Introduction à la modélisation linéaire en Python

Statistique d'échantillon

Histogramme pour un échantillon : nombre de jours par classes de température

Introduction à la modélisation linéaire en Python

Bootstrap (rééchantillonnage)

3 histogrammes, un par échantillon, chacun centré différemment, axes : nombre de jours par classes de température

Introduction à la modélisation linéaire en Python

Distribution de rééchantillonnage

Histogramme des moyennes, axes : nombre d'échantillons par classes de température moyenne

Introduction à la modélisation linéaire en Python

Bootstrap en code

# Utiliser l'échantillon comme modèle de la population
population_model = august_daily_highs_for_2017

# Simuler des acquisitions répétées en rééchantillonnant le "modèle"
for nr in range(num_resamples):
    bootstrap_sample = np.random.choice(population_model, size=resample_size, replace=True)
    bootstrap_means[nr] = np.mean(bootstrap_sample)

# Calculer la moyenne de la distribution des moyennes bootstrap
estimate_temperature = np.mean(bootstrap_means)

# Calculer l'écart-type de la distribution des moyennes bootstrap
estimate_uncertainty = np.std(bootstrap_means)
Introduction à la modélisation linéaire en Python

Remplacement

# Définir l'échantillon de notes
sample = ['A', 'B', 'C', 'D', 'E', 'F', 'G']

# replace = True, répétitions autorisées
bootstrap_sample = np.random.choice(sample, size=4, replace=True)
print(bootstrap_sample)

C C F G
Introduction à la modélisation linéaire en Python

Remplacement

# replace = False
bootstrap_sample = np.random.choice(sample, size=4, replace=False)
print(bootstrap_sample)

C G A F

# replace = True, échantillons plus longs possibles
bootstrap_sample = np.random.choice(sample, size=16, replace=True)
print(bootstrap_sample)

C C F G C G A E F D G B B A E C
Introduction à la modélisation linéaire en Python

Passons à la pratique !

Introduction à la modélisation linéaire en Python

Preparing Video For Download...