Bootstrap-konfidensintervall
Fallstudier i statistiskt tänkande
Justin Bois
Lecturer, Caltech
EDA är det första steget
"Exploratorisk dataanalys kan aldrig vara hela berättelsen, men ingenting annat kan fungera som grundsten, som det första steget."
--John Tukey
ECDF:er för aktiva perioder
1 Data från Avni Gandhi, Grigorios Oikonomou och David Prober, Caltech
Optimalt parametervärde
- Optimalt parametervärde: Det parametervärde för en sannolikhetsfördelning som bäst beskriver data
- Optimal parameter för exponentialfördelningen: Beräknas från datats medelvärde
np.mean(nuclear_incident_times)
87.140350877192986
1 Datakälla: Wheatley, Sovacool och Sornette, Nuclear Events Database
Bootstrap-sampel
Ett omsamplat urval av data
# Resample nuclear_incident_times with replacement
bs_sample = np.random.choice(
nuclear_incident_times,
replace=True,
size=len(inter_times)
)
Bootstrap-replikat
1 Datakälla: Wheatley, Sovacool och Sornette, Nuclear Events Database
Bootstrap-replikat
1 Datakälla: Wheatley, Sovacool och Sornette, Nuclear Events Database
Bootstrap-replikat
1 Datakälla: Wheatley, Sovacool och Sornette, Nuclear Events Database
Bootstrap-replikat
1 Datakälla: Wheatley, Sovacool och Sornette, Nuclear Events Database
Bootstrap-replikat
Bootstrap-replikat: En statistik beräknad från ett bootstrap-sampel
dcst.draw_bs_reps()
Funktion för att dra bootstrap-replikat från en datamängd
# Draw 10000 replicates of the mean from
# nuclear_incident_times
bs_reps = dcst.draw_bs_reps(
nuclear_incident_times, np.mean, size=10000
)
Bootstrap-konfidensintervallet
1 Datakälla: Wheatley, Sovacool och Sornette, Nuclear Events Database
Bootstrap-konfidensintervallet
Om vi upprepade mätningar gång på gång skulle p% av de observerade värdena ligga inom p%-konfidensintervallet
Bootstrap-konfidensintervallet
np.percentile(bs_reps, [2.5, 97.5])
array([ 73.31505848, 102.39181287])
