Довірчі інтервали бутстрепу

Кейс-стаді зі статистичного мислення

Justin Bois

Lecturer, Caltech

EDA — перший крок

"Exploratory data analysis can never be the whole story, but nothing else can serve as a foundation stone, as the first step."

--Джон Тьюкі

¹ Дані надані: Avni Gandhi, Grigorios Oikonomou та David Prober, Caltech

Оптимальне значення параметра: Значення параметра розподілу ймовірностей, що найкраще описує дані

Оптимальний параметр для розподілу Exponential: Обчислюється з середнього значення даних

np.mean(nuclear_incident_times)

87.140350877192986

¹ Джерело даних: Wheatley, Sovacool і Sornette, Nuclear Events Database

Перевибірка масиву даних

# Resample nuclear_incident_times with replacement
bs_sample = np.random.choice(
  nuclear_incident_times,
  replace=True,
  size=len(inter_times)
)

¹ Джерело даних: Wheatley, Sovacool і Sornette, Nuclear Events Database

¹ Джерело даних: Wheatley, Sovacool і Sornette, Nuclear Events Database

¹ Джерело даних: Wheatley, Sovacool і Sornette, Nuclear Events Database

¹ Джерело даних: Wheatley, Sovacool і Sornette, Nuclear Events Database

Бутстреп-реплікат: Статистика, обчислена з бутстреп-вибірки

Функція для отримання бутстреп-реплікатів із набору даних

# Draw 10000 replicates of the mean from
# nuclear_incident_times
bs_reps = dcst.draw_bs_reps(
  nuclear_incident_times, np.mean, size=10000
)

¹ Джерело даних: Wheatley, Sovacool і Sornette, Nuclear Events Database

Якби ми неодноразово повторювали вимірювання, p% спостережених значень потрапляли б у p% довірчий інтервал

np.percentile(bs_reps, [2.5, 97.5])

array([  73.31505848,  102.39181287])

Кейс-стаді зі статистичного мислення