Bootstrap-betrouwbaarheidsintervallen

Casestudies in statistisch denken

Justin Bois

Lecturer, Caltech

EDA is de eerste stap

"Exploratory data analysis is nooit het hele verhaal, maar niets anders kan als fundament dienen, als eerste stap."

--John Tukey

¹ Gegevens met dank aan Avni Gandhi, Grigorios Oikonomou en David Prober, Caltech

Optimale parameterwaarde: De parameter van een kansverdeling die de data het best beschrijft

Optimale parameter voor de Exponential-verdeling: Berekend uit het gemiddelde van de data

np.mean(nuclear_incident_times)

87.140350877192986

¹ Gegevensbron: Wheatley, Sovacool en Sornette, Nuclear Events Database

Een opnieuw getrokken array van de data

# Resample nuclear_incident_times with replacement
bs_sample = np.random.choice(
  nuclear_incident_times,
  replace=True,
  size=len(inter_times)
)

¹ Gegevensbron: Wheatley, Sovacool en Sornette, Nuclear Events Database

¹ Gegevensbron: Wheatley, Sovacool en Sornette, Nuclear Events Database

¹ Gegevensbron: Wheatley, Sovacool en Sornette, Nuclear Events Database

¹ Gegevensbron: Wheatley, Sovacool en Sornette, Nuclear Events Database

Bootstrap-replicaat: Een statistiek berekend uit een bootstrap-steekproef

Functie om bootstrap-replicaties uit een gegevensset te trekken

# Draw 10000 replicates of the mean from
# nuclear_incident_times
bs_reps = dcst.draw_bs_reps(
  nuclear_incident_times, np.mean, size=10000
)

¹ Gegevensbron: Wheatley, Sovacool en Sornette, Nuclear Events Database

Als we metingen steeds opnieuw herhalen, valt p% van de waarnemingen binnen het p%-betrouwbaarheidsinterval

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

array([  73.31505848,  102.39181287])

Casestudies in statistisch denken