Bootstrap-Konfidenzintervall:
Angenommen, die Verteilung F der Grundgesamtheit ist unbekannt, aber es gibt eine Datenstichprobe aus der Verteilung F mit eine Kapazität von n, da diese Stichprobe eine Stichprobe mit einer Kapazität von n gemäß der Methode der Stichprobenerhebung mit Ersetzung extrahiert. Diese Stichprobe wird als Bootstrap-Stichprobe bezeichnet. Extrahieren Sie nacheinander und unabhängig voneinander viele Bootstrap-Proben aus der Originalprobe und ziehen Sie anhand dieser Proben statistische Rückschlüsse auf die Grundgesamtheit F. Diese Methode wird als nichtparametrische Bootstrap-Methode oder auch als Bootstrap-Methode bezeichnet.
Das Konfidenzintervall der Variablen (Parameter) kann mit der Bootstrap-Methode ermittelt werden, die als Bootstrap-Konfidenzintervall bezeichnet wird.
Bootstrap-Konfidenzintervall:
Verwenden Sie Python, um das Bootstrap-Konfidenzintervall zu berechnen:
Hier nehmen wir eindimensionale Daten als Ein Beispiel: Stichprobe. Dieser Mittelwert dient als Stichprobenschätzer. Der Code lautet wie folgt:
import numpy as np def average(data): return sum(data) / len(data) def bootstrap(data, B, c, func): """ 计算bootstrap置信区间 :param data: array 保存样本数据 :param B: 抽样次数 通常B>=1000 :param c: 置信水平 :param func: 样本估计量 :return: bootstrap置信区间上下限 """ array = np.array(data) n = len(array) sample_result_arr = [] for i in range(B): index_arr = np.random.randint(0, n, size=n) data_sample = array[index_arr] sample_result = func(data_sample) sample_result_arr.append(sample_result) a = 1 - c k1 = int(B * a / 2) k2 = int(B * (1 - a / 2)) auc_sample_arr_sorted = sorted(sample_result_arr) lower = auc_sample_arr_sorted[k1] higher = auc_sample_arr_sorted[k2] return lower, higher if __name__ == '__main__': result = bootstrap(np.random.randint(0, 50, 50), 1000, 0.95, average) print(result)
Ausgabe:
(20.48, 28.32)
Empfohlen: Bootstrap-Einführungs-Tutorial
Das obige ist der detaillierte Inhalt vonSo finden Sie das Bootstrap-Konfidenzintervall. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!