Intervalos de confianza bootstrap

Casos prácticos de pensamiento estadístico

Justin Bois

Lecturer, Caltech

EDA es el primer paso

«El análisis exploratorio de datos nunca puede ser toda la historia, pero nada más puede servir como piedra angular, como primer paso.»

--John Tukey

¹ Datos cortesía de Avni Gandhi, Grigorios Oikonomou y David Prober, Caltech

Valor óptimo del parámetro: valor del parámetro de una distribución de probabilidad que mejor describe los datos

Parámetro óptimo para la distribución exponencial: se calcula a partir de la media de los datos

np.mean(nuclear_incident_times)

87.140350877192986

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

Un array remuestreado de los datos

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

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

Réplica bootstrap: estadístico calculado a partir de una muestra bootstrap

Función para obtener réplicas bootstrap de un conjunto de datos

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

¹ Fuente de datos: Wheatley, Sovacool y Sornette, Nuclear Events Database

Si repitiéramos las mediciones muchas veces, el p% de los valores observados caería dentro del intervalo de confianza del p%

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

array([  73.31505848,  102.39181287])

Casos prácticos de pensamiento estadístico