Pairs bootstrap

Statistiskt tänkande i Python (del 2)

Justin Bois

Lecturer at the California Institute of Technology

Icke-parametrisk inferens

Inga antaganden görs om modellen eller sannolikhetsfördelningen bakom data

Valresultat i vågmästarstater, USA 2008

ch2-3.004.png

¹ Data hämtad från Data.gov (https://www.data.gov/)

Pairs bootstrap för linjär regression

Sampla om data i par
Beräkna lutning och intercept från omsamplad data
Varje lutning och intercept är ett bootstrap-replikat
Beräkna konfidensintervall från percentiler av bootstrap-replikat

Generera ett pairs bootstrap-sampel

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]

Beräkna ett pairs bootstrap-replikat

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])

Valresultat i vågmästarstater, USA 2008

ch2-3.022.png

¹ Data hämtad från Data.gov (https://www.data.gov/)

Nu kör vi en övning!

Statistiskt tänkande i Python (del 2)