引导 - 置信区间计算

Question

我正在尝试实现引导程序来估计统计数据的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。我在想这样的事情：

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。 有人可以帮助我吗？

提前谢谢你！

Answer 1

而不是 ：

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

用：

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