शुरू करेंमुफ़्त में शुरू करें

गति और विश्वास-स्तर का आकलन

चलिए National Park की hiking डेटा को आगे देखते हैं. ध्यान दें कि कुछ दूरी नकारात्मक हैं क्योंकि वे trail head के विपरीत दिशा में चले; डेटा थोड़े messy हैं, इसलिए फिलहाल हम सिर्फ समग्र रुझान पर ध्यान देंगे.

इस अभ्यास में, आपका लक्ष्य boot-strap resampling का उपयोग करके किसी linear model के लिए speed मानों का वितरण खोजना है, और फिर उसी वितरण से speed का best estimate तथा उस estimate का 90% confidence interval निकालना है. यहाँ speed, linear regression मॉडल का slope पैरामीटर है जो time के फ़ंक्शन के रूप में distance को फिट करता है.

शुरू करने के लिए, हमने distance और time डेटा पहले से लोड कर दिए हैं, साथ में एक pre-defined least_squares() फंक्शन भी है जो हर resample के लिए speed मान निकालता है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Linear Modeling परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • np.random.choice() का उपयोग करके population_inds से sample_inds ड्रॉ करें, ताकि हर डेटा बिंदु की distance-time जोड़ी बनी रहे.
  • time का क्रम बनाए रखने के लिए sample_inds पर .sort() चलाएँ, और फिर sample_inds का उपयोग करके distances और times को इंडेक्स करें.
  • least_squares(times, distances) का उपयोग करके linear model के पैरामीटर निकालें और a1 को resample_speeds में स्टोर करें.
  • resample_speeds पर np.mean() और np.percentiles() लागू करें, speed और confidence interval ci_90 निकालें, और फिर दोनों को प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Resample each preloaded population, and compute speed distribution
population_inds = np.arange(0, 99, dtype=int)
for nr in range(num_resamples):
    sample_inds = np.random.choice(____, size=100, replace=True)
    sample_inds.____()
    sample_distances = distances[____]
    sample_times = times[____]
    a0, a1 = ____(sample_times, sample_distances)
    resample_speeds[nr] = ____

# Compute effect size and confidence interval, and print
speed_estimate = np.mean(____)
ci_90 = np.percentile(____, [5, 95])
print('Speed Estimate = {:0.2f}, 90% Confidence Interval: {:0.2f}, {:0.2f} '.format(____, ____[0], ____[1]))
कोड संपादित करें और चलाएँ