CommencezCommencez gratuitement

Est-ce que l'événement de 2015 avait ce problème?

Vous voulez savoir s'il s'agit d'un problème typique des piscines en natation de compétition. Pour répondre à cette question, effectuez une analyse similaire sur les résultats des Championnats du monde FINA 2015. Autrement dit, calculez l'amélioration fractionnaire moyenne pour le passage des corridors 1-3 aux corridors 6-8 pour la compétition de 2015, ainsi qu'un intervalle de confiance à 95 % pour la moyenne. Testez aussi l'hypothèse que l'amélioration fractionnaire moyenne est nulle.

Les tableaux swimtime_low_lanes_15 et swimtime_high_lanes_15 contiennent les données pertinentes.

Cette activité fait partie du cours

Études de cas en pensée statistique

Voir le cours

Instructions de l’exercice

  • Calculez l'amélioration fractionnaire f à l'aide des tableaux swimtime_low_lanes_15 et swimtime_high_lanes_15. Calculez aussi la moyenne de f et stockez-la dans f_mean.
  • Générez 10 000 répliques bootstrap de la moyenne de f.
  • Calculez l'intervalle de confiance à 95 % de l'amélioration fractionnaire moyenne.
  • Décalez f pour créer f_shift de façon à ce que sa moyenne soit nulle.
  • Générez 100 000 répliques bootstrap de la moyenne de f_shift.
  • Calculez la valeur p.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Compute f and its mean
f = (____ - ____) / ____
f_mean = ____

# Draw 10,000 bootstrap replicates
bs_reps = ____

# Compute 95% confidence interval
conf_int = ____

# Shift f
f_shift = ____ - ____

# Draw 100,000 bootstrap replicates of the mean
bs_reps = ____

# Compute the p-value
p_val = ____(____ >= ____) / 100000

# Print the results
print("""
mean frac. diff.: {0:.5f}
95% conf int of mean frac. diff.: [{1:.5f}, {2:.5f}]
p-value: {3:.5f}""".format(f_mean, *conf_int, p_val))
Modifier et exécuter le code