Question

我正在尝试实施bootstrap来估算统计信息的CI。这是我写的代码

import numpy as np
import numpy.random as npr
import pylab

def bootstrap(data, num_samples, statistic, alpha):
   """Returns bootstrap estimate of 100.0*(1-alpha) CI for statistic."""
    num_samples = len(data)
    idx = npr.randint(min(data), max(data), num_samples)
    samples = data[idx]
    stat = np.sort(statistic(samples, 1))
    return (stat[int((alpha/2.0)*num_samples)],
    stat[int((1-alpha/2.0)*num_samples)])

X,Y = np.loadtxt('data/ABC.txt',
                          unpack =True,
                          delimiter =',',
                          skiprows = 1)

文本文件包含2列，我需要计算两列的置信区间。我的第一个想法是将列转换为数组并计算高和低95％CI。我在考虑这样的事情：

data = np.array([X,Y])
low, high = bootstrap(X, len(data), np.mean, 0.05)
low1, high1 = bootstrap(Y, len(data), np.mean, 0.05)

但我不确定这是否是计算置信区间的正确方法。有人可以帮我这个吗？

提前谢谢！

Answer 1

代替：

idx = npr.randint(min(data), max(data), num_samples)

使用：

idx=np.random.choice(data,size=len(data),replace=True)

Bootstrap - 置信区间计算

1 个答案: