Мое намерение состоит в том, чтобы код выполнял начальную загрузку (статистику) в заданном списке с размером выборки, равным длине списка 10 000 раз, а затем вычислял доверительный интервал 95%.
import numpy
from random import choice
class bootstrapping(object):
def __init__(self,bslist=[],iteration=10000):
self.bslist = bslist
self.iteration = iteration
def CI(self):
listofmeans = []
for numbers in range(0,self.iteration):
bootstraplist = [choice(self.bslist) for _ in range(len(self.bslist))]
listofmeans.append(sum(bootstraplist) / len(bootstraplist))
s = numpy.std(listofmeans)
z = 1.96
n = self.iteration**0.5
lower_confidence = (sum(listofmeans) / len(listofmeans)) - (z*s/n)
upper_confidence = (sum(listofmeans) / len(listofmeans)) + (z*s/n)
return lower_confidence,upper_confidence
test = bootstrapping([60,33,102,53,63,33,42,19,31,86,15,50,
45,47,26,23,30,20,18,48,22,20,17,29,43,52,29],10000)
test.CI()
Доверительный интервал, который я получаю (37,897427638499948, 38,102572361500052), странно узок. Когда я ввожу тот же список чисел в Minitab, я получаю 95-процентный доверительный интервал (30,74, 47,48). Я что-то сделал не так?