Bootstrapping
Bazele inferenței în Python
Paul Savala
Assistant Professor of Mathematics
Bootstrapping
- Bootstrapping = Eșantionare cu înlocuire
- Se alege aleatoriu un eșantion
- Se înregistrează
- Se pune înapoi în date (înlocuire)
- Se repetă
- Eșantion bootstrapped = Eșantion generat prin bootstrapping
Interval de încredere neparametric
- Analog neparametric al
stats.norm.interval- Eșantionare cu înlocuire
- Calcularea statisticii de test
- Înregistrarea acesteia
- Repetare
- Creează o distribuție empirică
salaries_df['Years of Employment']
[6, 11, 14, 3, 2, ...]
sample_1 = salaries_df['Years of Employment'].sample(n=10)print(max(sample_1) - min(sample_1))
7
- Repetați procesul de mai multe ori
- Mijlocul celor 95% din rezultate = interval de încredere bootstrapped 95%
# Statistic function def max_min(x): return max(x) - min(x)# Data as a tuple data = (salaries_df['Years of Employment'], )bootstrap_ci = stats.bootstrap(data, max_min, vectorized=False, n_resamples=1000)print(bootstrap_ci)
BootstrapResult(confidence_interval=ConfidenceInterval(low=33.0, high=38.0),
standard_error=1.3843971812870597)
Intervale de încredere normale
- Necesită date normal distribuite
- Calculat pe baza mediei și erorii standard
- Inferența este valabilă doar pentru date normale
- Calcul foarte rapid
Intervale de încredere bootstrap
- Permite orice distribuție
- Calculat direct din date prin reeșantionare
- Inferența este valabilă pentru orice date
- Calcul mult mai lent
Cazuri de utilizare pentru bootstrapping
- Când se lucrează cu date non-normale
- Date ordinale
- Date asimetrice
- Când intervalele de încredere normale returnează valori discutabile
- Funcționează cu orice statistică
Să exersăm!
Bazele inferenței în Python
