CommencerCommencer gratuitement

Estimation de l’amélioration moyenne

Vous allez maintenant estimer l’ampleur de l’effet du courant. Calculez l’amélioration fractionnelle moyenne pour une ligne d’eau à numéro élevé par rapport à une ligne d’eau à numéro faible, ainsi qu’un intervalle de confiance à 95 % de la moyenne.

Cet exercice fait partie du cours

Études de cas en pensée statistique

Afficher le cours

Instructions

  • Calculez la différence fractionnelle moyenne avec np.mean(). La variable f de l’exercice précédent est déjà présente dans votre espace de noms.
  • Générez 10 000 répliques bootstrap de la différence fractionnelle moyenne avec dcst.draw_bs_reps(). Stockez le résultat dans un tableau numpy nommé bs_reps.
  • Calculez l’intervalle de confiance à 95 % avec np.percentile().
  • Cliquez sur "Soumettre la réponse" pour afficher l’amélioration fractionnelle moyenne et l’intervalle de confiance à 95 % à l’écran.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Compute the mean difference: f_mean
f_mean = ____

# Draw 10,000 bootstrap replicates: bs_reps
bs_reps = ____

# Compute 95% confidence interval: conf_int
conf_int = ____

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