有放回重复抽样的相关系数存储问题求助

你的代码存在几处关键错误，导致无法累积存储所有相关系数，以下是问题说明和修正方案：

核心错误点 #

• np.random.choice参数混乱：原代码参数写法错误，有放回抽样需明确指定抽样数量为原数据集行数，即size=dataset.shape[0]
• 变量名拼写不一致：定义的sample_datasets和后续使用的sample_dataset名称不匹配，会导致逻辑错误或报错
• 多余内层循环：无需遍历样本数据集的每个元素，每个自助样本集仅需计算一次相关系数
• np.append用法错误：np.append需要传入原数组和待添加元素，直接写np.append(corr)会每次新建仅含当前值的数组，覆盖之前的结果

修正后的代码 #

import numpy as np

# 假设num_datasets是你设定的自助抽样次数，dataset为原始数据集
correlation = np.array([])
num_datasets = 1000  # 示例值，替换为你的实际抽样次数

for _ in range(num_datasets):
    # 正确执行有放回抽样：从数据集行索引中随机选择，数量与原数据集行数一致
    sample_dataset = dataset[np.random.choice(dataset.shape[0], size=dataset.shape[0], replace=True)]
    # 计算当前样本集的皮尔逊相关系数
    corr = np.corrcoef(sample_dataset[:, 0], sample_dataset[:, 1])[0, 1]
    # 将新的相关系数追加到数组中
    correlation = np.append(correlation, corr)

print(correlation.shape)  # 输出应为(num_datasets,)，说明已存储所有相关系数

后续操作示例 #

绘制相关系数直方图 #

import matplotlib.pyplot as plt

plt.hist(correlation, bins=30, edgecolor='black')
plt.xlabel('相关系数')
plt.ylabel('频数')
plt.title('自助法相关系数分布直方图')
plt.show()

计算95%置信区间 #

confidence_interval = np.percentile(correlation, [2.5, 97.5])
print(f"95%置信区间：{confidence_interval}")

内容的提问来源于stack exchange，提问作者riah w