Modellosäkerhet och sampelfördelningar

Introduktion till linjär modellering i Python

Jason Vestuto

Data Scientist

Population saknas

Histogram över antal dagar mot temperaturbins, dagliga maxtemperaturer i augusti

Samplet som modell för populationen

2 histogram, ett för sampel och ett för population, båda med normaliserat dagantal mot temperaturbins, där sampelstaplarna är ungefär lika höga som populationsstaplarna

Sampelstatistik

Histogram för ett sampel, antal dagar mot temperaturbins

Bootstrapresampling

3 histogram, ett för varje sampel, med centrum förskjutna i förhållande till varandra, på axlar för antal dagar mot temperaturbins

Resampelfördelning

Histogram över medelvärden, på axlar för sampelantal mot medeltemperaturbins

Bootstrap i kod

# 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)

Återläggning

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

# Replace = True, repeats are allowed
bootstrap_sample = np.random.choice(sample, size=4, replace=True)
print(bootstrap_sample)

C C F G

Återläggning

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

C G A F

# Replace = True, more lengths are allowed
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

Nu kör vi en övning!

Introduktion till linjär modellering i Python