हाइपोथिसिस टेस्ट: क्या 2012 में चोंचें ज़्यादा गहरी हैं?
आपके ECDF प्लॉट और कॉन्फिडेंस इंटरवल की जाँच से काफ़ी साफ़ दिखता है कि Daphne Major पर G. scandens की चोंचें गहरी हुई हैं। लेकिन क्या यह प्रभाव सिर्फ रैंडम चांस से हो सकता है? यानी, अगर दोनों के means समान होते, तो mean beak depth में इतना observed अंतर मिलने की क्या प्रायिकता होती?
ध्यान रखें! हम यह हाइपोथिसिस टेस्ट नहीं कर रहे कि दोनों beak depth एक ही वितरण से आए हैं। उसके लिए हम permutation test इस्तेमाल करते। यहाँ हाइपोथिसिस है कि दोनों के means बराबर हैं। यह टेस्ट करने के लिए, हमें दोनों datasets को इस तरह शिफ्ट करना होगा कि उनका mean समान हो जाए, और फिर bootstrap sampling से means का अंतर निकालना होगा।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Statistical Thinking in Python (Part 2)
अभ्यास निर्देश
- 1975 और 2012 की beak depth को जोड़कर एक concatenated array बनाएँ और उसका mean निकालकर स्टोर करें।
bd_1975औरbd_2012को इस तरह शिफ्ट करें कि उनका mean अभी-अभी निकाले गए combined data set के mean के बराबर हो जाए।- 1975 और 2012 की beak depth के लिए mean के 10,000 bootstrap replicates लें।
- अंतर के bootstrap replicates पाने के लिए, 2012 के replicates में से 1975 के replicates घटाएँ।
- p-value compute करें और प्रिंट करें। पिछले अभ्यास में निकला observed means का अंतर अभी भी आपके namespace में
mean_diffनाम से मौजूद है।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Compute mean of combined data set: combined_mean
combined_mean = ____(____((bd_1975, bd_2012)))
# Shift the samples
bd_1975_shifted = ____
bd_2012_shifted = ____
# Get bootstrap replicates of shifted data sets
bs_replicates_1975 = ____
bs_replicates_2012 = ____
# Compute replicates of difference of means: bs_diff_replicates
bs_diff_replicates = ____
# Compute the p-value
p = np.sum(____ >= ____) / len(____)
# Print p-value
print('p =', p)