Bootstrap por pares

Pensamento Estatístico em Python (Parte 2)

Justin Bois

Lecturer at the California Institute of Technology

Inferência não paramétrica

Não faça suposições sobre o modelo ou a distribuição subjacente aos dados

Resultados de estados decisivos nos EUA em 2008

Resultados eleitorais de estados decisivos nos EUA em 2008

¹ Dados obtidos de Data.gov (https://www.data.gov/)

Bootstrap por pares para regressão linear

Reamostrar dados em pares
Calcular inclinação e intercepto da amostra
Cada inclinação e intercepto é uma réplica bootstrap
Calcular intervalos de confiança a partir dos percentis das réplicas

Gerando uma amostra de bootstrap por pares

np.arange(7)

array([0, 1, 2, 3, 4, 5, 6])

inds = np.arange(len(total_votes))

bs_inds = np.random.choice(inds, len(inds))

bs_total_votes = total_votes[bs_inds]
bs_dem_share = dem_share[bs_inds]

Calculando uma réplica de bootstrap por pares

bs_slope, bs_intercept = np.polyfit(bs_total_votes, 
                                    bs_dem_share, 1)

bs_slope, bs_intercept

(3.9053605692223672e-05, 40.387910131803025)

np.polyfit(total_votes, dem_share, 1)  # fit of original

array([  4.03707170e-05,   4.01139120e+01])

Resultados de estados decisivos nos EUA em 2008

Resultados eleitorais de estados decisivos nos EUA em 2008

¹ Dados obtidos de Data.gov (https://www.data.gov/)

Vamos praticar!

Pensamento Estatístico em Python (Parte 2)