CommencezCommencez gratuitement

Estimation de paramètres : longueur des épisodes d'activité

Calculez la longueur moyenne d'un épisode d'activité pour les poissons de type sauvage et mutants, avec un intervalle de confiance bootstrap à 95 %. Les ensembles de données sont fournis dans les tableaux numpy bout_lengths_wt et bout_lengths_mut. Le module dc_stat_think a été importé sous le nom dcst.

Cette activité fait partie du cours

Études de cas en pensée statistique

Voir le cours

Instructions de l’exercice

  • Calculez la longueur moyenne d'un épisode d'activité pour le type sauvage et le mutant avec np.mean(). Enregistrez les résultats dans mean_wt et mean_mut.
  • Générez 10 000 répliques bootstrap pour chacun avec dcst.draw_bs_reps(), et enregistrez les résultats dans bs_reps_wt et bs_reps_mut.
  • Calculez un intervalle de confiance à 95 % à partir des répliques bootstrap avec np.percentile(), et enregistrez les résultats dans conf_int_wt et conf_int_mut.
  • Affichez la moyenne et les intervalles de confiance à l'écran.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Compute mean active bout length
mean_wt = ____
mean_mut = ____

# Draw bootstrap replicates
bs_reps_wt = ____(____, ____, size=____)
bs_reps_mut = ____

# Compute 95% confidence intervals
conf_int_wt = ____(____, [____, ____])
conf_int_mut = ____

# Print the results
print("""
wt:  mean = {0:.3f} min., conf. int. = [{1:.1f}, {2:.1f}] min.
mut: mean = {3:.3f} min., conf. int. = [{4:.1f}, {5:.1f}] min.
""".format(mean_wt, *conf_int_wt, mean_mut, *conf_int_mut))
Modifier et exécuter le code