Pythonでのサンプリングと置換の使い方と修正方法を簡単に解説

[

サンプリング with replacement（置換抽出） | Python 学習 / コース / モンテカルロシミュレーション

このチュートリアルでは、Pythonの学習の一環として、詳細な実行可能な手順、サンプルコード、説明を含んだPythonのチュートリアルを提供します。以下では、置換抽出（sampling with replacement）のPythonサンプルコードについて説明します。

置換抽出とは

置換抽出とは、サンプルを取り出す際に、元のデータから重複を許して抽出する方法です。これにより、同じデータが何度も抽出されることがあります。

置換抽出のサンプルコード

import random

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 100.3, 101.0, 98.0, 97.4]

# 置換抽出を使って、1000回、9つのデータを抽出する
simulations = [random.choices(nba_weights, k=9) for _ in range(1000)]

# 各シミュレーションの平均と95%信頼区間を計算する
means = [sum(simulation) / 9 for simulation in simulations]
lower = np.percentile(means, 2.5)
upper = np.percentile(means, 97.5)

# 結果の表示
print("平均: ", sum(means) / len(means))
print("95%信頼区間: ", (lower, upper))

このサンプルコードでは、以下の手順で置換抽出を実行しています。

random.choices()関数を使用して、nba_weightsリストから重複を許して9つのデータを抽出します。これを1000回繰り返します。
シミュレーションごとに平均値を計算し、結果のリストmeansに格納します。
np.percentile()関数を使用して、meansリストの2.5%と97.5%のパーセンタイルを取得し、95%信頼区間の下限と上限を求めます。
最後に、平均値と信頼区間を表示します。

置換抽出は、データの分布やパターンを調査する際に有用な手法です。これを使うことで、標本データから母集団の特性を推定することができます。Pythonのrandom.choices()関数を活用し、データ解析やモンテカルロシミュレーションにおいて置換抽出を活用してみてください。