Khoảng tin cậy bootstrap
Các nghiên cứu tình huống về tư duy thống kê
Justin Bois
Lecturer, Caltech
EDA là bước đầu tiên
"Phân tích khám phá dữ liệu không bao giờ là toàn bộ câu chuyện, nhưng không gì khác có thể làm nền tảng, là bước đầu tiên."
--John Tukey
ECDF độ dài khoảng hoạt động
1 Dữ liệu do Avni Gandhi, Grigorios Oikonomou và David Prober, Caltech cung cấp
Giá trị tham số tối ưu
- Giá trị tham số tối ưu: Giá trị tham số của phân phối xác suất mô tả dữ liệu tốt nhất
- Tham số tối ưu cho phân phối Exponential: Tính từ giá trị trung bình của dữ liệu
np.mean(nuclear_incident_times)
87.140350877192986
1 Nguồn dữ liệu: Wheatley, Sovacool, và Sornette, Nuclear Events Database
Mẫu bootstrap
Một mảng dữ liệu được lấy mẫu lại
# Resample nuclear_incident_times with replacement
bs_sample = np.random.choice(
nuclear_incident_times,
replace=True,
size=len(inter_times)
)
Bản sao bootstrap
1 Nguồn dữ liệu: Wheatley, Sovacool, và Sornette, Nuclear Events Database
Bản sao bootstrap
1 Nguồn dữ liệu: Wheatley, Sovacool, và Sornette, Nuclear Events Database
Bản sao bootstrap
1 Nguồn dữ liệu: Wheatley, Sovacool, và Sornette, Nuclear Events Database
Bản sao bootstrap
1 Nguồn dữ liệu: Wheatley, Sovacool, và Sornette, Nuclear Events Database
Bản sao bootstrap
Bootstrap replicate: Một thống kê tính từ một mẫu bootstrap
dcst.draw_bs_reps()
Hàm tạo bản sao bootstrap từ một tập dữ liệu
# Draw 10000 replicates of the mean from
# nuclear_incident_times
bs_reps = dcst.draw_bs_reps(
nuclear_incident_times, np.mean, size=10000
)
Khoảng tin cậy bootstrap
1 Nguồn dữ liệu: Wheatley, Sovacool, và Sornette, Nuclear Events Database
Khoảng tin cậy bootstrap
Nếu lặp lại phép đo nhiều lần, p% giá trị quan sát sẽ nằm trong khoảng tin cậy p%
Khoảng tin cậy bootstrap
np.percentile(bs_reps, [2.5, 97.5])
array([ 73.31505848, 102.39181287])
