Bootstrapping
Fundamentos de la inferencia en Python
Paul Savala
Assistant Professor of Mathematics
Bootstrapping
- Bootstrapping = Muestreo con reemplazo
- Elige una muestra aleatoria
- Regístrala
- Devuélvela a los datos (reemplazo)
- Repite
- Muestra bootstrap = Muestra generada con bootstrapping
Intervalo de confianza no paramétrico
- Análogo no paramétrico de
stats.norm.interval- Muestra con reemplazo
- Calcula el estadístico
- Regístralo
- Repite
- Crea una distribución empírica
salaries_df['Years of Employment']
[6, 11, 14, 3, 2, ...]
sample_1 = salaries_df['Years of Employment'].sample(n=10)print(max(sample_1) - min(sample_1))
7
- Repite este proceso muchas veces
- El 95% central de resultados = IC bootstrap del 95%
# Statistic function def max_min(x): return max(x) - min(x)# Data as a tuple data = (salaries_df['Years of Employment'], )bootstrap_ci = stats.bootstrap(data, max_min, vectorized=False, n_resamples=1000)print(bootstrap_ci)
BootstrapResult(confidence_interval=ConfidenceInterval(low=33.0, high=38.0),
standard_error=1.3843971812870597)
Intervalos de confianza normales
- Requieren datos normales
- Se calculan solo con media y error estándar
- Inferencia válida solo para datos normales
- Muy rápidos de calcular
Intervalos de confianza bootstrap
- Admiten cualquier distribución
- Se calculan re-muestreando directamente de los datos
- Inferencia válida para cualquier dato
- Mucho más lentos de calcular
Casos de uso del bootstrapping
- Al trabajar con datos no normales
- Datos ordenados
- Datos sesgados
- Cuando los intervalos normales dan valores dudosos
- Funciona con cualquier estadístico
¡Vamos a practicar!
Fundamentos de la inferencia en Python
