bootstrap中怎么求置信區間

本篇文章給大家分享的是有關bootstrap中怎么求置信區間，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

bootstrap置信區間：

假設總體的分布F未知，但有一個容量為n的來自分布F的數據樣本，自這一樣本按有放回抽樣的方法抽取一個容量為n的樣本，這種樣本稱為bootstrap樣本。相繼地、獨立地自原始樣本中抽取很多個bootstrap樣本，利用這些樣本對總體F進行統計推斷，這種方法稱為非參數bootstrap方法，又稱自助法。

使用bootstrap方法可以求得變量(參數)的置信區間，稱作bootstrap置信區間。

bootstrap置信區間：

使用Python計算bootstrap置信區間：

這里以一維數據為例，取樣本均值作為樣本估計量。代碼如下：

import numpy as npdef average(data):    return sum(data) / len(data)def bootstrap(data, B, c, func):    """    計算bootstrap置信區間    :param data: array 保存樣本數據    :param B: 抽樣次數 通常B>=1000    :param c: 置信水平    :param func: 樣本估計量    :return: bootstrap置信區間上下限    """    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, higherif __name__ == '__main__':    result = bootstrap(np.random.randint(0, 50, 50), 1000, 0.95, average)    print(result)

輸出：

(20.48, 28.32)

以上就是bootstrap中怎么求置信區間，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。