Aan de slagGa gratis aan de slag

Schatting van gemiddelde verbetering

Je gaat nu schatten hoe groot dit stromingseffect is. Bereken de gemiddelde fractionele verbetering voor een hoge-baannummer ten opzichte van een lage baannummer, samen met een 95%-betrouwbaarheidsinterval van het gemiddelde.

Deze oefening maakt deel uit van de cursus

Casestudies in statistisch denken

Cursus bekijken

Oefeninstructies

  • Bereken het gemiddelde fractionele verschil met np.mean(). De variabele f uit de vorige oefening staat al in je namespace.
  • Trek 10.000 bootstrap-replicaties van het gemiddelde fractionele verschil met dcst.draw_bs_reps(). Sla het resultaat op in een numpy-array met de naam bs_reps.
  • Bereken het 95%-betrouwbaarheidsinterval met np.percentile().
  • Klik op 'Antwoord verzenden' om de gemiddelde fractionele verbetering en het 95%-betrouwbaarheidsinterval op het scherm te printen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Compute the mean difference: f_mean
f_mean = ____

# Draw 10,000 bootstrap replicates: bs_reps
bs_reps = ____

# Compute 95% confidence interval: conf_int
conf_int = ____

# Print the result
print("""
mean frac. diff.: {0:.5f}
95% conf int of mean frac. diff.: [{1:.5f}, {2:.5f}]""".format(f_mean, *conf_int))
Code bewerken en uitvoeren