<\/p>\n
Bootstrapping<\/strong> is een methode die kan worden gebruikt om een betrouwbaarheidsinterval voor een statistiek<\/a> te construeren wanneer de steekproefomvang klein is en de onderliggende verdeling onbekend is.<\/span><\/p>\n Het basisproces voor bootstrapping is als volgt:<\/span><\/p>\n De eenvoudigste manier om Python op te starten is door de bootstrap-<\/a> functie uit de SciPy-<\/strong> bibliotheek te gebruiken.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we in Python een dataset maken met 15 waarden:<\/span><\/p>\n We kunnen de volgende code gebruiken om een bootstrap-betrouwbaarheidsinterval van 95% voor de mediaanwaarde te berekenen:<\/span><\/p>\n Het 95% bootstrap-betrouwbaarheidsinterval voor de mediaan blijkt [10,0, 20,0]<\/strong> te zijn.<\/span><\/p>\n Dit is wat de functie boosttrap()<\/strong> feitelijk onder de motorkap deed:<\/span><\/p>\n Houd er rekening mee dat u voor vrijwel elke statistiek een bootstrap-betrouwbaarheidsinterval kunt berekenen.<\/span><\/p>\n We kunnen bijvoorbeeld np.median<\/strong> vervangen door np.std<\/strong> in de bootstrap()<\/strong> -functie om in plaats daarvan een betrouwbaarheidsinterval van 95% voor de standaarddeviatie te berekenen:<\/span><\/p>\n Het 95% bootstrap-betrouwbaarheidsinterval voor de standaarddeviatie blijkt [3,32, 5,67]<\/strong> te zijn.<\/span><\/p>\n Opmerking<\/strong> : voor deze voorbeelden kiezen we ervoor om betrouwbaarheidsintervallen van 95% te maken, maar u kunt de waarde van het argument trust_level<\/strong> wijzigen om een betrouwbaarheidsinterval van een andere grootte te construeren.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere statistische software kunt opstarten:<\/span><\/p>\n Hoe te bootstrappen in R<\/a> Bootstrapping is een methode die kan worden gebruikt om een betrouwbaarheidsinterval voor een statistiek te construeren wanneer de steekproefomvang klein is en de onderliggende verdeling onbekend is. Het basisproces voor bootstrapping is als volgt: Neem k replicaatmonsters met vervanging uit een gegeven dataset. Bereken voor elk monster de betreffende statistiek. Dit levert k verschillende schattingen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3197","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Voorbeeld: bootstrapping uitvoeren in Python<\/strong><\/span><\/h3>\n
#define array of data values\ndata = [7, 9, 10, 10, 12, 14, 15, 16, 16, 17, 19, 20, 21, 21, 23]<\/span><\/strong><\/span><\/pre>\n from<\/span> scipy. stats<\/span> import<\/span> bootstrap\nimport<\/span> numpy as<\/span> np\n\n#convert array to sequence\n<\/span>data = (data,)\n\n#calculate 95% bootstrapped confidence interval for median\n<\/span>bootstrap_ci = bootstrap(data, np. median<\/span> , confidence_level= 0.95<\/span> ,\n random_state= 1<\/span> , method=' percentile<\/span> ')\n\n#view 95% boostrapped confidence interval\n<\/span>print<\/span> ( bootstrap_ci.confidence_interval<\/span> )\n\nConfidenceInterval(low=10.0, high=20.0)\n<\/span><\/strong><\/span><\/pre>\n\n
from<\/span> scipy. stats<\/span> import<\/span> bootstrap\nimport<\/span> numpy as<\/span> np\n\n#convert array to sequence\n<\/span>data = (data,)\n\n#calculate 95% bootstrapped confidence interval for median\n<\/span>bootstrap_ci = bootstrap(data, np. std<\/span> , confidence_level= 0.95<\/span> ,\n random_state= 1<\/span> , method=' percentile<\/span> ')\n\n#view 95% boostrapped confidence interval\n<\/span>print<\/span> ( bootstrap_ci.confidence_interval<\/span> )\n\nConfidenceInterval(low=3.3199732261303283, high=5.66478399066117)\n<\/span><\/strong><\/span><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe te starten in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"