두 표본 부트스트랩 가설 검정: 평균 차이
이제 Frog A와 Frog B의 평균 충격력이 같다는 가설을 검정하려고 합니다. 분포 자체가 같을 필요는 없는데, 이는 순열 검정으로는 다룰 수 없습니다.
두 표본 부트스트랩 검정을 수행하려면, 두 배열 모두를 동일한 평균을 갖도록 시프트합니다. 이는 두 평균이 실제로 같다는 가설을 모사하기 위함입니다. 그런 다음 시프트된 배열들에서 부트스트랩 표본을 뽑아 평균 차이를 계산합니다. 이것이 하나의 부트스트랩 복제이며, 이를 많이 생성합니다. p-value는 관측된 값보다 크거나 같은 평균 차이를 가진 복제의 비율입니다.
객체 forces_concat과 empirical_diff_means는 이미 네임스페이스에 준비되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 하는 통계적 사고 (2부)
연습 안내
np.mean()을 사용해 모든 충격력(forces_concat)의 평균을 계산하세요.- 결합된 충격력 배열의 평균이 되도록
force_a와force_b둘 다 시프트된 데이터 세트를 생성하세요. - 시프트된 두 배열 각각에 대해 평균의 부트스트랩 복제를 10,000개 생성하세요.
- Frog A의 시프트된 충격력 복제에서 Frog B의 것을 빼서 평균 차이의 부트스트랩 복제를 계산하세요.
- 부트스트랩 복제로부터 p-value를 계산하고 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)