MulaiMulai sekarang secara gratis

Bagaimana pengaruh arus bergantung pada posisi lintasan?

Untuk mengukur pengaruh nomor lintasan terhadap performa, lakukan regresi linear pada data f_13 terhadap lanes. Lakukan perhitungan pairs bootstrap untuk mendapatkan interval kepercayaan 95%. Terakhir, buat plot regresinya. Array lanes dan f_13 sudah tersedia dalam namespace Anda.

Perlu dicatat bahwa kita bisa menghitung error bar pada rata-rata selisih fraksional dan menggunakannya dalam regresi, tetapi hal itu di luar cakupan kursus ini.

Latihan ini adalah bagian dari kursus

Studi Kasus dalam Pemikiran Statistik

Lihat Kursus

Petunjuk latihan

  • Hitung kemiringan (slope) dan intersep dari garis f_13 terhadap lanes menggunakan np.polyfit().
  • Gunakan dcst.draw_bs_pairs_linreg() untuk mendapatkan 10.000 replikasi bootstrap dari kemiringan dan intersep, masing-masing disimpan dalam bs_reps_slope dan bs_reps_int.
  • Gunakan replikasi bootstrap tersebut untuk menghitung interval kepercayaan 95% bagi kemiringan.
  • Cetak kemiringan dan interval kepercayaan 95% ke layar. Ini sudah dilakukan untuk Anda.
  • Dengan np.array(), hasilkan nilai x untuk digunakan dalam plot garis bootstrap. x harus dari 1 hingga 8.
  • Plot sudah diisi dengan data. Tulis sebuah perulangan for untuk menambahkan 100 garis bootstrap ke plot menggunakan argumen kata kunci color='red', alpha=0.2, dan linewidth=0.5.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute the slope and intercept of the frac diff/lane curve
____, ____ = ____

# Compute bootstrap replicates
bs_reps_slope, bs_reps_int = ____

# Compute 95% confidence interval of slope
conf_int = ____

# Print slope and confidence interval
print("""
slope: {0:.5f} per lane
95% conf int: [{1:.5f}, {2:.5f}] per lane""".format(slope, *conf_int))

# x-values for plotting regression lines
x = ____

# Plot 100 bootstrap replicate lines
for i in ____:
    _ = ____(____, ____[i] * ____ + ____[i], 
                 color='red', alpha=0.2, linewidth=0.5)
   
# Update the plot
plt.draw()
plt.show()
Edit dan Jalankan Kode