LoslegenKostenlos loslegen

Konfidenzintervall für die Rate der No-Hitters

Betrachte erneut die Abstände zwischen No-Hittern in der modernen Baseball-Ära. Erzeuge 10.000 Bootstrap-Replikate des optimalen Parameters \(\tau\). Zeichne ein Histogramm deiner Replikate und gib ein 95-%-Konfidenzintervall an.

Diese Übung ist Teil des Kurses

Statistical Thinking in Python (Teil 2)

Kurs anzeigen

Anleitung zur Übung

  • Erzeuge 10000 Bootstrap-Replikate von \(\tau\) aus den nohitter_times-Daten mit deiner Funktion draw_bs_reps(). Denk daran: Das optimale \(\tau\) ist der Mittelwert der Daten.
  • Berechne das 95-%-Konfidenzintervall mit np.percentile() und übergib zwei Argumente: das Array bs_replicates und die Liste der Perzentile – in diesem Fall 2.5 und 97.5.
  • Gib das Konfidenzintervall aus.
  • Zeichne ein Histogramm deiner Bootstrap-Replikate. Das ist bereits für dich vorbereitet – klicke also auf Antwort senden, um die Grafik zu sehen!

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Draw bootstrap replicates of the mean no-hitter time (equal to tau): bs_replicates
bs_replicates = ____

# Compute the 95% confidence interval: conf_int
conf_int = ____

# Print the confidence interval
print('95% confidence interval =', ____, 'games')

# Plot the histogram of the replicates
_ = plt.hist(bs_replicates, bins=50, normed=True)
_ = plt.xlabel(r'$\tau$ (games)')
_ = plt.ylabel('PDF')

# Show the plot
plt.show()
Code bearbeiten und ausführen