Intervalos de confiança com bootstrap

Estudos de caso em pensamento estatístico

Justin Bois

Lecturer, Caltech

EDA é o primeiro passo

"A análise exploratória de dados nunca conta a história inteira, mas nada mais pode servir como alicerce, como o primeiro passo."

--John Tukey

¹ Dados cortesia de Avni Gandhi, Grigorios Oikonomou e David Prober, Caltech

Valor ótimo do parâmetro: O valor do parâmetro de uma distribuição de probabilidade que melhor descreve os dados

Parâmetro ótimo para a distribuição Exponential: Calculado a partir da média dos dados

np.mean(nuclear_incident_times)

87.140350877192986

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

Um array reamostrado dos dados

# Reamostre nuclear_incident_times com reposição
bs_sample = np.random.choice(
  nuclear_incident_times,
  replace=True,
  size=len(inter_times)
)

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

Réplica bootstrap: Uma estatística calculada a partir de uma amostra bootstrap

Função para gerar réplicas bootstrap de um conjunto de dados

# Gere 10000 réplicas da média de
# nuclear_incident_times
bs_reps = dcst.draw_bs_reps(
  nuclear_incident_times, np.mean, size=10000
)

¹ Fonte dos dados: Wheatley, Sovacool e Sornette, Nuclear Events Database

Se repetíssemos as medições muitas vezes, p% dos valores observados ficariam dentro do intervalo de confiança de p%

np.percentile(bs_reps, [2.5, 97.5])

array([  73.31505848,  102.39181287])

Estudos de caso em pensamento estatístico