贝叶斯自举法BayesianBootstrap(8)

我们得到一个-23点的估计值，置信区间非常紧密的。
我们能自举估计量的分布吗?下面计算1000个自举样本的逻辑回归系数。
estimate_logit = lambda df: smf.logit("y ~ x", data=df).fit(disp=False).params[1]
for i in range(1000):
try:
classic_boot(df, estimate_logit, seed=i)
except Exception as e:
print(f"Error for bootstrap number {i}: {e}")
会得到以下错误：
Error for bootstrap number 92: Perfect separation detected, results not available
Error for bootstrap number 521: Perfect separation detected, results not available
Error for bootstrap number 545: Perfect separation detected, results not available
Error for bootstrap number 721: Perfect separation detected, results not available
Error for bootstrap number 835: Perfect separation detected, results not available
对于1000个样本中的5个，我们无法计算估计值。但是这种情况是不会发生在贝叶斯自举过程中的。
因为对于贝叶斯自举可以忽略这些观察结果。
4、使用Treated Units进行回归
假设我们观察到二元特征X和连续的结果y。 我们再次研究两个变量之间的关系。
N = 100
np.random.seed(1)
x = np.random.binomial(1, 5/N, N)
y = np.random.normal(1 2*x, 1, N)