Python | Bootstrap图介绍

最新推荐文章于 2024-04-17 14:12:11 发布

python收藏家

最新推荐文章于 2024-04-17 14:12:11 发布

阅读量896

点赞数 24

分类专栏： python 文章标签： python

本文链接：https://blog.csdn.net/qq_42034590/article/details/135429720

版权

169 篇文章 18 订阅

订阅专栏

在进入Bootstrap 图之前，让我们先了解一下Bootstrap（或Bootstrap 抽样）是什么。

Bootstrap 抽样（Bootstrap Sampling）：这是一种方法，我们从一个数据集中重复地取一个样本数据来估计一个总体参数。它用于确定总体的各种参数。

Bootstrap图是从数据样本计算的统计量分布的图形表示。它通常用于可视化统计量的可变性和不确定性，例如平均值或标准差，通过显示统计量在许多Bootstrap数据样本上的分布。

在bootstrap图中，x轴表示统计量的值，y轴表示这些值的频率。为每个Bootstrap样本绘制一条线，线的高度表示该样本中统计值的频率。线的分布表示统计量在Bootstrap样本上的分布。

Bootstrap图是理解统计量中的不确定性的强大工具，特别是当数据的潜在分布未知或复杂时。它还可以用来生成统计量的置信区间，并比较不同统计量的分布。

需要注意的是，Bootstrap是一种重新估计技术，用于估计样本中统计量的不确定性，而无需对数据的潜在分布进行任何假设。它可用于估计标准误差、置信区间和执行假设检验。

Bootstrap plot：Bootstrap plot是一种图形方法，用于测量总体的任何期望统计特征的不确定性。它是置信区间的一种替代方法。(也用于计算统计量的数学方法）。

通常，我们可以用数学方法计算总体统计量的不确定性，使用置信区间。然而，在许多情况下，推导出的不确定性公式在数学上是难以处理的。在这种情况下，我们使用Bootstrap plot。

假设，我们有5000人在一个公园里，我们需要找到整个人口的平均体重。测量每个人的体重然后取平均值是不可行的。这就是bootstrap抽样的用武之地。

我们从人群中随机抽取5人一组，然后求出平均值。然后，我们做同样的过程8-10次。通过这种方式，我们可以更有效地获得对总体平均权重的良好估计。

举个例子：

让我们考虑一个例子，了解Bootstrap图如何使从大量人口中获得关键信息变得更容易。假设我们有3000个随机生成的统一数字的样本数据。我们取出30个数字的子样本，并找到其平均值。我们对另一个随机子样本再次这样做，依此类推。

我们绘制了上述信息的bootstrap 图，只需查看它，我们就可以很容易地给予关于所有3000个数字的平均值的很好的估计。还有各种其他有用的信息可以从bootstrap 图中获得，例如：

import pandas as pd
import numpy as np
 
s = pd.Series(np.random.uniform(size=500))
pd.plotting.bootstrap_plot(s)

在这里插入图片描述
说明：

优点：

缺点：

关注