stats

import pandas as pd #Manejo de datos import seaborn as sns #Gráficos estadísticos import matplotlib.pyplot as plt #Gráficos en general import numpy as np #Manejo de datos matriciales

#Funciones def bootstrap_replicate_1d(data, func): """Generate bootstrap replicate of 1D data.""" bs_sample = np.random.choice(data, len(data)) return func(bs_sample) def draw_bs_reps(data, func, size=1): """Draw bootstrap replicates.""" # Initialize array of replicates: bs_replicates bs_replicates = np.empty(size) # Generate replicates for i in range(size): bs_replicates[i] = bootstrap_replicate_1d(data, func) return bs_replicates

Un resumen estadístico

plt.style.use('ggplot')

iris = sns.load_dataset('iris')

print(iris.sample(5))

     sepal_length  sepal_width  petal_length  petal_width     species
143           6.8          3.2           5.9          2.3   virginica
80            5.5          2.4           3.8          1.1  versicolor
5             5.4          3.9           1.7          0.4      setosa
49            5.0          3.3           1.4          0.2      setosa
81            5.5          2.4           3.7          1.0  versicolor

print(iris.describe())

       sepal_length  sepal_width  petal_length  petal_width
count    150.000000   150.000000    150.000000   150.000000
mean       5.843333     3.057333      3.758000     1.199333
std        0.828066     0.435866      1.765298     0.762238
min        4.300000     2.000000      1.000000     0.100000
25%        5.100000     2.800000      1.600000     0.300000
50%        5.800000     3.000000      4.350000     1.300000
75%        6.400000     3.300000      5.100000     1.800000
max        7.900000     4.400000      6.900000     2.500000

En busca de los intervalos de confianza

sns.boxplot(x='species', y='sepal_length', data=iris)

versicolor_sepal_length = iris.query('species == "versicolor"')['sepal_length']

versicolor_sepal_length.values

sns.boxplot(data=versicolor_sepal_length, x=versicolor_sepal_length.values) plt.xlabel('Longitud de sépalo, mm') plt.title('Longitud de sépalo de Iris Versicolor') plt.show()

versicolor_sepal_length.describe()

vers_replicates = draw_bs_reps(versicolor_sepal_length.values, np.mean, size=10000)

ci = np.percentile(vers_replicates, [2.5, 97.5]) print(ci)

[5.794 6.076]

¿Cómo interpretamos los intervalos de confianza?

plt.hist(vers_replicates, bins=20) plt.xlabel('Longitud de sépalo, mm') plt.ylabel('Frecuencias') plt.title('Réplicas bootstrap de las medias') plt.axvline(x=ci[0], color='#395d90') plt.axvline(x=ci[1], color='#395d90') plt.fill_between([ci[0], ci[1]], 1700, color='#395d90', alpha=0.6) plt.show()