Oefenen met permutaties

Zijn NBA-spelers zwaarder dan volwassen Amerikaanse mannen? Je wilt nu het 95%-betrouwbaarheidsinterval berekenen van het gemiddelde verschil (in kilogram) tussen NBA-spelers en volwassen Amerikaanse mannen. Je gebruikt de twee gegeven lijsten.

Permutatie is ideaal om verschillen te testen, dus dat is de resampling-methode die je hier gebruikt!

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 100.3, 101.0, 98.0, 97.4, 100.5, 100.3, 100.2, 100.6]
us_adult_weights = [75.1, 100.1, 95.2, 81.0, 72.0, 63.5, 80.0, 97.1, 94.3, 80.3, 93.5, 85.8, 95.1]

Let op: elk van de bovenstaande lijsten bevat 13 gewichten.

De volgende pakketten zijn al voor je geïmporteerd: random, numpy als np, seaborn als sns en matplotlib.pyplot als plt.

Deze oefening maakt deel uit van de cursus

Monte Carlo-simulaties in Python

Cursus bekijken

Oefeninstructies

Definieer all_weights als een lijst met de waarden uit zowel nba_weights als us_adult_weights.
Voer de permutatie uit op all_weights met np.random.permutation().
Ken de eerste 13 permuteerde samples toe aan perm_nba en de resterende 13 aan perm_adult.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Define all_weights
all_weights = ____
simu_diff = []

for i in range(1000):
	# Perform the permutation on all_weights
    perm_sample = ____
    # Assign the permutated samples to perm_nba and perm_adult
    perm_nba, perm_adult = ____, ____
    perm_diff = np.mean(perm_nba) - np.mean(perm_adult)
    simu_diff.append(perm_diff)
mean_diff = np.mean(nba_weights) - np.mean(us_adult_weights) 
upper = np.quantile(simu_diff, 0.975)
lower = np.quantile(simu_diff, 0.025)
print(mean_diff, lower, upper)

Code bewerken en uitvoeren