Incertitude du modèle et distributions d'échantillons

Introduction aux modèles linéaires en Python

Jason Vestuto

Data Scientist

Population indisponible

Histogramme du nombre de jours selon les intervalles de température, Maximales quotidiennes en août

Introduction aux modèles linéaires en Python

L'échantillon comme modèle de population

2 histogrammes, un pour l'échantillon et un pour la population, tous deux du nombre de jours normalisé selon les intervalles de température, avec des barres d'échantillon d'environ la même hauteur que celles de la population

Introduction aux modèles linéaires en Python

Statistique d'échantillon

Histogramme pour un échantillon, nombre de jours selon les intervalles de température

Introduction aux modèles linéaires en Python

Rééchantillonnage bootstrap

3 histogrammes, un pour chacun des trois échantillons, chacun centré différemment, axes : nombre de jours selon les intervalles de température

Introduction aux modèles linéaires en Python

Distribution de rééchantillonnage

Histogramme des moyennes, axes : nombre d'échantillons selon les intervalles de température moyenne

Introduction aux modèles linéaires en Python

Bootstrap en code

# 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)
Introduction aux modèles linéaires en Python

Remise

# Define the sample of notes
sample = ['A', 'B', 'C', 'D', 'E', 'F', 'G']

# replace=True : répétitions permises
bootstrap_sample = np.random.choice(sample, size=4, replace=True)
print(bootstrap_sample)

C C F G
Introduction aux modèles linéaires en Python

Remise

# replace=False
bootstrap_sample = np.random.choice(sample, size=4, replace=False)
print(bootstrap_sample)

C G A F

# replace=True : longueur plus grande permise
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
Introduction aux modèles linéaires en Python

Passons à la pratique !

Introduction aux modèles linéaires en Python

Preparing Video For Download...