Calculer le nombre attendu de décomptes

Dans les exercices précédents, vous avez calculé la moyenne et la variance des données sur les crabes et constaté qu'elles ne sont pas égales. Dans cet exercice, vous allez pratiquer une autre analyse de la surdispersion en utilisant la moyenne déjà calculée pour obtenir le nombre attendu de décomptes pour une valeur donnée, par exemple les zéros. En d'autres mots, quel nombre de crabes avec zéro satellite devrait-on prévoir dans l'échantillon compte tenu de la moyenne observée.

Rappelez-vous le graphique de l'ensemble de données crab, où l'on remarque un grand nombre de zéros.

Souvenez-vous que, pour calculer le nombre attendu de décomptes étant donné le paramètre, vous pouvez utiliser la distribution de Poisson définie par

$$ P(y)=\frac{\lambda^ye^{-\lambda}}{y!} $$

L'ensemble de données crab et la moyenne calculée sat_mean sont déjà chargés dans l'environnement de travail.

Cette activité fait partie du cours

Modèles linéaires généralisés en Python

Voir le cours

Instructions de l’exercice

En utilisant la moyenne sat_mean et les zéros $y = 0$, calculez le nombre attendu d'observations avec zéro. Utilisez math factorial().
Calculez le nombre d'observations avec zéro dans la variable sat à l'aide de sum() et le nombre total d'observations de l'échantillon à l'aide de len().
Affichez le ratio entre le nombre réel d'observations avec zéro et le nombre total d'observations.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Expected number of zero counts
exp_zero_cnt = ((____**____)*np.____(-____))/math.____(____)

# Print exp_zero_counts
print('Expected zero counts given mean of ', round(____,3), 
      'is ', round(____,3)*100)

# Number of zero counts in sat variable
actual_zero_cnt = sum(____[____]  == 0)

# Number of observations in crab dataset
num_obs = len(____)

# Print the percentage of zero count observations in the sample
print('Actual zero counts in the sample: ', round(____ / ____,3)*100)

Modifier et exécuter le code