CommencerCommencer gratuitement

L’édition 2015 a-t-elle présenté le même problème ?

Vous souhaitez 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 en passant des couloirs 1–3 aux couloirs 6–8 pour la compétition 2015, ainsi qu’un intervalle de confiance à 95 % sur cette moyenne. Testez également l’hypothèse selon laquelle l’amélioration fractionnaire moyenne est nulle.

Les tableaux swimtime_low_lanes_15 et swimtime_high_lanes_15 contiennent les données pertinentes.

Cet exercice fait partie du cours

Études de cas en pensée statistique

Afficher le cours

Instructions

  • Calculez l’amélioration fractionnaire f à l’aide des tableaux swimtime_low_lanes_15 et swimtime_high_lanes_15. Calculez également la moyenne de f et stockez-la dans f_mean.
  • Générez 10 000 rééchantillonnages 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 sorte que sa moyenne soit nulle.
  • Générez 100 000 rééchantillonnages bootstrap de la moyenne de f_shift.
  • Calculez la p-valeur.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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