Hướng dẫn python bootstrap confidence interval - khoảng tin cậy của python bootstrap

Nội phân chính

Nội dung chính

• Hướng dẫn tiện dụng về cách tính khoảng tin cậy trong Python
• Khoảng tin cậy là gì?
• Công thức khoảng tin cậy
• Sử dụng bootstrap
• Máy tính khoảng tin cậy trong Python
• Kết luận

Nội phân chính

• Hướng dẫn tiện dụng về cách tính khoảng tin cậy trong Python
• Khoảng tin cậy là gì?
• Công thức khoảng tin cậy
• Sử dụng bootstrap
• Máy tính khoảng tin cậy trong Python
• Kết luận

• Hướng dẫn tiện dụng về cách tính khoảng tin cậy trong Python
• Khoảng tin cậy là gì?
• Công thức khoảng tin cậy
• Sử dụng bootstrap
• Máy tính khoảng tin cậy trong Python
• Kết luận

Hướng dẫn tiện dụng về cách tính khoảng tin cậy trong Python

Khoảng tin cậy là gì?

Công thức khoảng tin cậy

Khoảng tin cậy là gì?

Công thức khoảng tin cậy

Sử dụng bootstrap

Máy tính khoảng tin cậy trong Python

• Kết luận
• Ảnh của Edge2Edge Media trên unplash

Khi chúng ta đo lường một cái gì đó, chúng ta luôn phải tính toán độ không đảm bảo của kết quả. Khoảng tin cậy là một công cụ rất hữu ích để tính toán một phạm vi mà chúng ta có thể tìm thấy giá trị thực của người quan sát được với một sự tự tin nhất định.

Công thức khoảng tin cậy

Sử dụng bootstrap

Máy tính khoảng tin cậy trong Python

Kết luận

Ảnh của Edge2Edge Media trên unplash

Khi chúng ta đo lường một cái gì đó, chúng ta luôn phải tính toán độ không đảm bảo của kết quả. Khoảng tin cậy là một công cụ rất hữu ích để tính toán một phạm vi mà chúng ta có thể tìm thấy giá trị thực của người quan sát được với một sự tự tin nhất định.

Hãy tưởng tượng bạn hỏi tôi chiều cao của tôi. Tôi có thể nói rằng tôi cao 1,93 m, nhưng tôi không cung cấp cho bạn bất kỳ thông tin nào về sự không chắc chắn của biện pháp này. Khoảng tin cậy là các khoảng trong đó chúng ta có một sự tự tin nhất định để tìm ra giá trị thực của chúng ta có thể quan sát được. Các nhà khoa học thường tìm kiếm khoảng tin cậy 95%, nhưng nó rất phổ biến để sử dụng 90% hoặc thậm chí 99%. Vì vậy, khi bạn hỏi tôi về chiều cao của tôi, tôi nên trả lời bạn với ước tính lỗi hoặc với khoảng tin cậy, như là với độ tin cậy 95%, tôi đã từ 1,92 m đến 1,93 m.

Đó là những gì mà công cụ này cung cấp cho chúng ta: một khoảng cách tìm thấy giá trị thực của người có thể quan sát được.

Sử dụng bootstrap

Máy tính khoảng tin cậy trong Python

Kết luận

1. Ảnh của Edge2Edge Media trên unplash
2. Khi chúng ta đo lường một cái gì đó, chúng ta luôn phải tính toán độ không đảm bảo của kết quả. Khoảng tin cậy là một công cụ rất hữu ích để tính toán một phạm vi mà chúng ta có thể tìm thấy giá trị thực của người quan sát được với một sự tự tin nhất định.
3. Hãy tưởng tượng bạn hỏi tôi chiều cao của tôi. Tôi có thể nói rằng tôi cao 1,93 m, nhưng tôi không cung cấp cho bạn bất kỳ thông tin nào về sự không chắc chắn của biện pháp này. Khoảng tin cậy là các khoảng trong đó chúng ta có một sự tự tin nhất định để tìm ra giá trị thực của chúng ta có thể quan sát được. Các nhà khoa học thường tìm kiếm khoảng tin cậy 95%, nhưng nó rất phổ biến để sử dụng 90% hoặc thậm chí 99%. Vì vậy, khi bạn hỏi tôi về chiều cao của tôi, tôi nên trả lời bạn với ước tính lỗi hoặc với khoảng tin cậy, như là với độ tin cậy 95%, tôi đã từ 1,92 m đến 1,93 m.
4. Đó là những gì mà công cụ này cung cấp cho chúng ta: một khoảng cách tìm thấy giá trị thực của người có thể quan sát được.

Một số thuộc tính hữu ích của khoảng tin cậy là:

Máy tính khoảng tin cậy trong Python

Kết luận

Ảnh của Edge2Edge Media trên unplash

import numpy as np 
from scipy.stats import t

Khi chúng ta đo lường một cái gì đó, chúng ta luôn phải tính toán độ không đảm bảo của kết quả. Khoảng tin cậy là một công cụ rất hữu ích để tính toán một phạm vi mà chúng ta có thể tìm thấy giá trị thực của người quan sát được với một sự tự tin nhất định.

x = np.random.normal(size=100)

Hãy tưởng tượng bạn hỏi tôi chiều cao của tôi. Tôi có thể nói rằng tôi cao 1,93 m, nhưng tôi không cung cấp cho bạn bất kỳ thông tin nào về sự không chắc chắn của biện pháp này. Khoảng tin cậy là các khoảng trong đó chúng ta có một sự tự tin nhất định để tìm ra giá trị thực của chúng ta có thể quan sát được. Các nhà khoa học thường tìm kiếm khoảng tin cậy 95%, nhưng nó rất phổ biến để sử dụng 90% hoặc thậm chí 99%. Vì vậy, khi bạn hỏi tôi về chiều cao của tôi, tôi nên trả lời bạn với ước tính lỗi hoặc với khoảng tin cậy, như là với độ tin cậy 95%, tôi đã từ 1,92 m đến 1,93 m.

m = x.mean() 
s = x.std() 
dof = len(x)-1 
confidence = 0.95

Đó là những gì mà công cụ này cung cấp cho chúng ta: một khoảng cách tìm thấy giá trị thực của người có thể quan sát được.

t_crit = np.abs(t.ppf((1-confidence)/2,dof))

Một số thuộc tính hữu ích của khoảng tin cậy là:

(m-s*t_crit/np.sqrt(len(x)), m+s*t_crit/np.sqrt(len(x))) # (-0.14017768797464097, 0.259793719043611)

Hãy để nhập khẩu một số thư viện hữu ích.

Bây giờ, hãy mô phỏng một bộ dữ liệu được tạo bằng 100 số được trích xuất từ ​​phân phối bình thường.

values = [np.random.choice(x,size=len(x),replace=True).mean() for i in range(1000)] np.percentile(values,[100*(1-confidence)/2,100*(1-(1-confidence)/2)]) # array([-0.13559955, 0.26480175])

Hãy để chúng tôi thấy chúng tôi muốn tính toán khoảng tin cậy 95% của giá trị trung bình. Hãy để tính toán tất cả các số chúng ta cần theo công thức của khoảng tin cậy.

Kết luận

Ảnh của Edge2Edge Media trên unplash

Gianluca Malato là một nhà khoa học dữ liệu, người dạy học máy và khoa học dữ liệu trên www.yourdatateacher.com.