Contraste bootstrap de dos muestras para la diferencia de medias
Ahora queremos contrastar la hipótesis de que la Rana A y la Rana B tienen la misma fuerza media de impacto, pero no necesariamente la misma distribución, algo que también es imposible con una prueba de permutación.
Para hacer el test bootstrap de dos muestras, desplazamos ambos arrays para que tengan la misma media, ya que estamos simulando la hipótesis de que sus medias, de hecho, son iguales. Luego extraemos muestras bootstrap de los arrays desplazados y calculamos la diferencia de medias. Esto constituye una réplica bootstrap, y generamos muchas de ellas. El p-valor es la fracción de réplicas con una diferencia de medias mayor o igual que la observada.
Los objetos forces_concat y empirical_diff_means ya están en tu espacio de nombres.
Este ejercicio forma parte del curso
Pensamiento estadístico en Python (Parte 2)
Instrucciones del ejercicio
- Calcula la media de todas las fuerzas (a partir de
forces_concat) usandonp.mean(). - Genera conjuntos de datos desplazados para ambos:
force_ayforce_b, de modo que la media de cada uno sea la media del array concatenado de fuerzas de impacto. - Genera 10.000 réplicas bootstrap de la media para cada uno de los dos arrays desplazados.
- Calcula las réplicas bootstrap de la diferencia de medias restando las réplicas de la fuerza de impacto desplazada de la Rana B de las de la Rana A.
- Calcula e imprime el p-valor a partir de tus réplicas bootstrap.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Compute mean of all forces: mean_force
mean_force = ____
# Generate shifted arrays
force_a_shifted = force_a - np.mean(force_a) + mean_force
force_b_shifted = ____
# Compute 10,000 bootstrap replicates from shifted arrays
bs_replicates_a = draw_bs_reps(____, ____, ____)
bs_replicates_b = draw_bs_reps(____, ____, ____)
# Get replicates of difference of means: bs_replicates
bs_replicates = ____
# Compute and print p-value: p
p = ____ / ____
print('p-value =', p)