Test di ipotesi con bootstrap

Il test di permutazione ha un'ipotesi piuttosto restrittiva: che le lunghezze dei bout degli eterozigoti e del tipo selvatico siano distribuite in modo identico. Ora usa un test di ipotesi con bootstrap per verificare l'ipotesi che le medie siano uguali, senza fare assunzioni sulle distribuzioni.

Questo esercizio fa parte del corso

Casi di studio nel pensiero statistico

Visualizza corso

Istruzioni dell'esercizio

Crea un array, bout_lengths_concat, che contenga tutte le lunghezze dei bout sia del tipo selvatico (bout_lengths_wt) sia degli eterozigoti (bout_lengths_het) usando np.concatenate().
Calcola la media di tutte le lunghezze dei bout da questo array concatenato (bout_lengths_concat), salvando il risultato nella variabile mean_bout_length.
Trasla entrambi gli insiemi di dati in modo che abbiano la stessa media, cioè mean_bout_length. Salva gli array traslati nelle variabili wt_shifted e het_shifted.
Usa dcst.draw_bs_reps() per estrarre 10.000 repliche bootstrap della media per ciascuno degli insiemi di dati traslati. Salva le rispettive repliche in bs_reps_wt e bs_reps_het.
Sottrai bs_reps_wt da bs_reps_het per ottenere le repliche bootstrap della differenza delle medie. Salva i risultati nella variabile bs_reps.
Calcola il p-value, definendo "almeno altrettanto estremo" come il caso in cui la differenza delle medie sotto l'ipotesi nulla sia maggiore o uguale a quella osservata sperimentalmente. La variabile diff_means_exp dall'esercizio precedente è già nel tuo namespace.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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)

Modifica ed esegui il codice