Modelonzekerheid en steekproefverdelingen

Introductie tot lineaire modellering in Python

Jason Vestuto

Data Scientist

Populatie niet beschikbaar

Histogram van dagenaantal versus temperatuurbins, Dagelijkse maximumtemperaturen in augustus

Steekproef als populatiemodel

2 histogrammen, één voor steekproef en één voor populatie, beide met genormaliseerd dagenaantal versus temperatuurbins; de staafhoogtes lijken op elkaar

Steekproefstatistiek

Histogram voor één steekproef, dagenaantal versus temperatuurbins

Bootstrap-resampling

3 histogrammen, één per steekproef, elk met een ander centrum, op assen van dagenaantal versus temperatuurbins

Resampleverdeling

Histogram van gemiddelden, met assen steekproefaantal versus gemiddelde temperatuurbins

Bootstrap in code

# Use sample as model for population
population_model = august_daily_highs_for_2017

# Simulate repeated data acquisitions by resampling the "model"
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)

# Compute the mean of the bootstrap resample distribution
estimate_temperature = np.mean(bootstrap_means)

# Compute standard deviation of the bootstrap resample distribution
estimate_uncertainty = np.std(bootstrap_means)

Terugleggen

# Define the sample of notes
sample = ['A', 'B', 'C', 'D', 'E', 'F', 'G']

# Replace = True, repeats are allowed
bootstrap_sample = np.random.choice(sample, size=4, replace=True)
print(bootstrap_sample)

C C F G

Terugleggen

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

C G A F

# Replace = True, more lengths are allowed
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

Laten we oefenen!

Introductie tot lineaire modellering in Python