Incertitudinea modelului și distribuțiile eșantionului

Introducere în modelarea liniară în Python

Jason Vestuto

Data Scientist

Populație indisponibilă

Histogramă cu numărul de zile față de intervalele de temperatură, temperaturi maxime zilnice în august

Eșantionul ca model al populației

2 histograme, una pentru eșantion și una pentru populație, ambele cu numărul normalizat de zile față de intervalele de temperatură, cu bare de înălțime similară

Statistica eșantionului

Histogramă pentru un eșantion, numărul de zile față de intervalele de temperatură

Reeșantionare bootstrap

3 histograme, câte una pentru fiecare eșantion, cu centre decalate între ele, pe axe de număr de zile față de intervale de temperatură

Distribuția reeșantionării

Histogramă a mediilor, pe axe de număr de eșantioane față de intervalele temperaturii medii

Bootstrap în cod

# 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)

Înlocuire

# 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

Înlocuire

# 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

Să exersăm!

Introducere în modelarea liniară în Python