Nejistota modelu a rozdělení výběrů

Úvod do lineárního modelování v Pythonu

Jason Vestuto

Data Scientist

Populace není dostupná

Histogram počtu dní v závislosti na teplotních intervalech, denní maximální teploty v srpnu

Výběr jako model populace

2 histogramy, jeden pro výběr a jeden pro populaci, oba s normalizovaným počtem dní v závislosti na teplotních intervalech; sloupce výběru mají přibližně stejnou výšku jako sloupce populace

Výběrová statistika

Histogram jednoho výběru, počet dní v závislosti na teplotních intervalech

Bootstrap převzorkování

3 histogramy, každý pro jeden výběr, se středy vzájemně posunutými, na osách počtu dní v závislosti na teplotních intervalech

Rozdělení převzorkování

Histogram průměrů, na osách počtu výběrů v závislosti na intervalech průměrné teploty

Bootstrap v kódu

# 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)

Výběr s opakováním

# 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

Výběr s opakováním

# 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

Pojďme si procvičit!

Úvod do lineárního modelování v Pythonu