Intervale de încredere bootstrap

Studii de caz în gândirea statistică

Justin Bois

Lecturer, Caltech

EDA este primul pas

„Analiza exploratorie a datelor nu poate fi niciodată întreaga poveste, dar nimic altceva nu poate servi drept piatră de temelie, ca prim pas."

--John Tukey

¹ Date furnizate de Avni Gandhi, Grigorios Oikonomou și David Prober, Caltech

Valoarea optimă a parametrului: Valoarea parametrului unei distribuții de probabilitate care descrie cel mai bine datele

Parametrul optim pentru distribuția exponențială: Calculat din media datelor

np.mean(nuclear_incident_times)

87.140350877192986

¹ Sursă de date: Wheatley, Sovacool și Sornette, Nuclear Events Database

O matrice reeșantionată din date

# Resample nuclear_incident_times with replacement
bs_sample = np.random.choice(
  nuclear_incident_times,
  replace=True,
  size=len(inter_times)
)

¹ Sursă de date: Wheatley, Sovacool și Sornette, Nuclear Events Database

¹ Sursă de date: Wheatley, Sovacool și Sornette, Nuclear Events Database

¹ Sursă de date: Wheatley, Sovacool și Sornette, Nuclear Events Database

¹ Sursă de date: Wheatley, Sovacool și Sornette, Nuclear Events Database

Replică bootstrap: O statistică calculată dintr-un eșantion bootstrap

Funcție pentru extragerea replicilor bootstrap dintr-un set de date

# Draw 10000 replicates of the mean from
# nuclear_incident_times
bs_reps = dcst.draw_bs_reps(
  nuclear_incident_times, np.mean, size=10000
)

¹ Sursă de date: Wheatley, Sovacool și Sornette, Nuclear Events Database

Dacă am repeta măsurătorile la nesfârșit, p% din valorile observate s-ar situa în intervalul de încredere de p%

np.percentile(bs_reps, [2.5, 97.5])

array([  73.31505848,  102.39181287])

Studii de caz în gândirea statistică