Парный бутстрап

Статистическое мышление на Python (часть 2)

Justin Bois

Lecturer at the California Institute of Technology

Непараметрический вывод

Не делает предположений о модели или распределении вероятностей данных

Результаты выборов в колеблющихся штатах США в 2008 году

ch2-3.004.png

¹ Данные получены с Data.gov (https://www.data.gov/)

Парный бутстрап для линейной регрессии

Повторная выборка данных парами
Вычисление наклона и отрезка по повторной выборке
Каждый наклон и отрезок — бутстрап-реплика
Доверительные интервалы по перцентилям бутстрап-реплик

Формирование парной бутстрап-выборки

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]

Вычисление парной бутстрап-реплики

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])

Результаты выборов в колеблющихся штатах США в 2008 году

ch2-3.022.png

¹ Данные получены с Data.gov (https://www.data.gov/)

Давайте потренируемся!

Статистическое мышление на Python (часть 2)