Odhad rychlosti a intervalu spolehlivosti

Pokračujeme v práci s daty o túrách v národním parku. Všimni si, že některé vzdálenosti jsou záporné – to znamená, že turisté šli opačným směrem od výchozího bodu trasy. Data jsou trochu neuspořádaná, takže se zaměříme jen na celkový trend.

Cílem tohoto cvičení je využít bootstrap resampling k nalezení rozdělení hodnot rychlosti pro lineární model a z tohoto rozdělení pak vypočítat nejlepší odhad rychlosti a 90% interval spolehlivosti. Rychlost zde představuje parametr směrnice z modelu lineární regrese, který proložíme vzdáleností jako funkcí času.

Abys měl/a dobrý start, máš předem načtená data distance a time společně s předpřipravenou funkcí least_squares(), která vypočítá hodnotu rychlosti pro každý resample.

Toto cvičení je součástí kurzu

Úvod do lineárního modelování v Pythonu

Zobrazit kurz

Pokyny k cvičení

Pomocí np.random.choice() vyber sample_inds z population_inds tak, aby zůstalo zachováno párování vzdálenosti a času pro každý datový bod.
Aby bylo zachováno časové pořadí, seřaď sample_inds metodou .sort() a pak je použij jako index pro distances a times.
Pomocí least_squares(times, distances) vypočítej parametry lineárního modelu a ulož a1 do resample_speeds.
Aplikuj np.mean() a np.percentiles() na resample_speeds, vypočítej rychlost a interval spolehlivosti ci_90 a oba výsledky vypiš.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Resample each preloaded population, and compute speed distribution
population_inds = np.arange(0, 99, dtype=int)
for nr in range(num_resamples):
    sample_inds = np.random.choice(____, size=100, replace=True)
    sample_inds.____()
    sample_distances = distances[____]
    sample_times = times[____]
    a0, a1 = ____(sample_times, sample_distances)
    resample_speeds[nr] = ____

# Compute effect size and confidence interval, and print
speed_estimate = np.mean(____)
ci_90 = np.percentile(____, [5, 95])
print('Speed Estimate = {:0.2f}, 90% Confidence Interval: {:0.2f}, {:0.2f} '.format(____, ____[0], ____[1]))

Upravit a spustit kód