Bootstrapping
Fundamentos de Inferência em Python
Paul Savala
Assistant Professor of Mathematics
Bootstrapping
- Bootstrapping = Amostragem com reposição
- Escolha uma amostra aleatória
- Anote o valor
- Devolva ao conjunto de dados (reposição)
- Repita
- Amostra bootstrap = Amostra gerada por bootstrapping
Intervalo de confiança não paramétrico
- Análogo não paramétrico de
stats.norm.interval- Amostre com reposição
- Calcule a estatística de teste
- Registre o valor
- Repita
- Cria uma distribuição 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
- Repita esse processo muitas vezes
- 95% centrais dos resultados = intervalo de confiança bootstrap de 95%
# Função da estatística def max_min(x): return max(x) - min(x)# Dados como tupla 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 confiança normais
- Exigem dados com distribuição normal
- Calculados só pela média e erro padrão
- Inferência válida apenas para dados normais
- Muito rápidos de calcular
Intervalos de confiança bootstrap
- Permitem qualquer distribuição
- Calculados direto dos dados por reamostragem
- Inferência válida para quaisquer dados
- Bem mais lentos de calcular
Casos de uso de bootstrapping
- Ao trabalhar com dados não normais
- Dados ranqueados
- Dados assimétricos
- Quando intervalos normais retornam valores duvidosos
- Funciona com qualquer estatística que quisermos
Vamos praticar!
Fundamentos de Inferência em Python
