Bootstrap परिकल्पना परीक्षण
Permutation टेस्ट एक काफी प्रतिबंधात्मक परिकल्पना मानता है कि heterozygotic और wild type की bout lengths समान वितरण से आती हैं। अब, एक bootstrap परिकल्पना परीक्षण का उपयोग करके यह जाँचिए कि क्या दोनों के means बराबर हैं, बिना वितरण के बारे में कोई मान्यता लिए.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Statistical Thinking के केस स्टडीज़
अभ्यास निर्देश
np.concatenate()का उपयोग करके एक arraybout_lengths_concatबनाएँ, जिसमें wild type (bout_lengths_wt) और heterozygote (bout_lengths_het) दोनों की सभी bout lengths हों.- इस concatenated array (
bout_lengths_concat) की सभी bout lengths का mean निकालें और परिणामmean_bout_lengthवैरिएबल में रखें. - दोनों datasets को ऐसे शिफ्ट करें कि दोनों का mean
mean_bout_lengthहो जाए। शिफ्ट की गई arrays कोwt_shiftedऔरhet_shiftedमें रखें. dcst.draw_bs_reps()का उपयोग करके प्रत्येक शिफ्ट किए गए dataset के mean के 10,000 bootstrap replicates ड्रॉ करें। इन्हें क्रमशःbs_reps_wtऔरbs_reps_hetमें स्टोर करें.- means के अंतर के bootstrap replicates पाने के लिए
bs_reps_hetमें सेbs_reps_wtघटाएँ। परिणामbs_repsवैरिएबल में रखें. - p-value compute करें। यहाँ "कम से कम उतना ही चरम" का अर्थ यह लें कि शून्य परिकल्पना के तहत means का अंतर प्रयोग में देखे गए अंतर से बड़ा या बराबर हो। पिछले अभ्यास का वैरिएबल
diff_means_expपहले से आपके namespace में उपलब्ध है.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Concatenate arrays: bout_lengths_concat
bout_lengths_concat = ____((____, ____))
# Compute mean of all bout_lengths: mean_bout_length
mean_bout_length = ____
# Generate shifted arrays
wt_shifted = ____ - np.mean(____) + ____
het_shifted = ____ - ____ + ____
# Compute 10,000 bootstrap replicates from shifted arrays
bs_reps_wt = ____
bs_reps_het = ____
# Get replicates of difference of means: bs_replicates
bs_reps = ____ - ____
# Compute and print p-value: p
p = ____(____ >= ____) / len(____)
print('p-value =', p)