Generera bootstrap-replikat

Statistiskt tänkande i Python (del 2)

Justin Bois

Lecturer at the California Institute of Technology

Michelsons ljushastighetsmätningar

ch2-1.002.png

1 Data: Michelson, 1880
Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.004.png

Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.005.png

Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.006.png

Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.007.png

Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.008.png

Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.009.png

Statistiskt tänkande i Python (del 2)

Återsampling av en array

ch2-1.010.png

Statistiskt tänkande i Python (del 2)

Medelvärde för återsamplat Michelson-data

ch2-1.011.png

Statistiskt tänkande i Python (del 2)

Bootstrapping

  • Användning av återsamplad data för statistisk inferens
Statistiskt tänkande i Python (del 2)

Bootstrap-sampel

  • En återsamplad array av data
Statistiskt tänkande i Python (del 2)

Bootstrap-replikat

  • Ett statistiskt mått beräknat från en återsamplad array
Statistiskt tänkande i Python (del 2)

Återsamplingsmotor: np.random.choice()

import numpy as np
np.random.choice([1,2,3,4,5], size=5)
array([5, 3, 5, 5, 2])
Statistiskt tänkande i Python (del 2)

Beräkna ett bootstrap-replikat

bs_sample = np.random.choice(michelson_speed_of_light,
                             size=100)

np.mean(bs_sample)
299847.79999999999
np.median(bs_sample)
299845.0
np.std(bs_sample)
83.564286025729331
Statistiskt tänkande i Python (del 2)

Nu kör vi en övning!

Statistiskt tänkande i Python (del 2)

Preparing Video For Download...