शुरू करेंमुफ़्त में शुरू करें

दो-सैंपल बूटस्ट्रैप हाइपोथेसिस टेस्ट: means का अंतर

अब हम यह परिकल्पना जाँचना चाहते हैं कि Frog A और Frog B का औसत (mean) impact force समान है, भले ही उनकी distributions अलग हों. इसे permutation test से करना संभव नहीं है.

दो-सैंपल बूटस्ट्रैप टेस्ट के लिए, हम दोनों arrays को इस तरह shift करते हैं कि दोनों का mean समान हो, क्योंकि हम यह परिकल्पना simulate कर रहे हैं कि उनके means सच में बराबर हैं. फिर हम shifted arrays से bootstrap samples खींचते हैं और means का अंतर निकालते हैं. यह एक bootstrap replicate होता है, और हम ऐसे बहुत से replicates बनाते हैं. p-value वह अनुपात है जिन replicates में means का अंतर observed मान से बड़ा या उसके बराबर हो.

forces_concat और empirical_diff_means objects पहले से आपकी namespace में मौजूद हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking in Python (Part 2)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • np.mean() का उपयोग करके सभी forces (forces_concat से) का mean निकालें.
  • दोनों force_a और force_b के लिए ऐसे shifted datasets बनाएँ कि हर एक का mean impact forces के concatenated array के mean के बराबर हो.
  • दोनों shifted arrays के लिए mean के 10,000 bootstrap replicates जनरेट करें.
  • Frog A के shifted impact force के replicates में से Frog B के replicates घटाकर means के अंतर के bootstrap replicates निकालें.
  • अपने bootstrap replicates से p-value compute करें और print करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute mean of all forces: mean_force
mean_force = ____

# Generate shifted arrays
force_a_shifted = force_a - np.mean(force_a) + mean_force
force_b_shifted = ____ 

# Compute 10,000 bootstrap replicates from shifted arrays
bs_replicates_a = draw_bs_reps(____, ____, ____)
bs_replicates_b = draw_bs_reps(____, ____, ____)

# Get replicates of difference of means: bs_replicates
bs_replicates = ____

# Compute and print p-value: p
p = ____ / ____
print('p-value =', p)
कोड संपादित करें और चलाएँ