配对自助法

Python 统计思维（第 2 部分）

Justin Bois

Lecturer at the California Institute of Technology

非参数推断

不对数据背后的模型或分布作任何假设

2008 年美国摇摆州选举结果

ch2-3.004.png

¹ 数据来自 Data.gov (https://www.data.gov/)

线性回归的配对自助法

成对重采样
用重采样数据计算斜率和截距
每个斜率、截距是一份自助法复制
用复制的分位数求置信区间

生成一次配对自助法样本

np.arange(7)

array([0, 1, 2, 3, 4, 5, 6])

inds = np.arange(len(total_votes))

bs_inds = np.random.choice(inds, len(inds))

bs_total_votes = total_votes[bs_inds]
bs_dem_share = dem_share[bs_inds]

计算一次配对自助法复制

bs_slope, bs_intercept = np.polyfit(bs_total_votes, 
                                    bs_dem_share, 1)

bs_slope, bs_intercept

(3.9053605692223672e-05, 40.387910131803025)

np.polyfit(total_votes, dem_share, 1)  # fit of original

array([  4.03707170e-05,   4.01139120e+01])

2008 年美国摇摆州选举结果

ch2-3.022.png

¹ 数据来自 Data.gov (https://www.data.gov/)

¡Vamos a practicar!

Python 统计思维（第 2 部分）