Aan de slagGa gratis aan de slag

Betrouwbaarheidsinterval voor het aantal no-hitters

Kijk opnieuw naar de tussenpozen tussen no-hitters in het moderne tijdperk van honkbal. Genereer 10.000 bootstrap-replicaties van de optimale parameter \(\tau\). Maak een histogram van je replicaties en rapporteer een 95%-betrouwbaarheidsinterval.

Deze oefening maakt deel uit van de cursus

Statistical Thinking in Python (deel 2)

Cursus bekijken

Oefeninstructies

  • Genereer 10000 bootstrap-replicaties van \(\tau\) uit de nohitter_times-gegevens met je draw_bs_reps()-functie. Onthoud dat de optimale \(\tau\) wordt berekend als het gemiddelde van de gegevens.
  • Bereken het 95%-betrouwbaarheidsinterval met np.percentile() en geef twee argumenten door: de array bs_replicates en de lijst met percentielen — in dit geval 2.5 en 97.5.
  • Print het betrouwbaarheidsinterval.
  • Plot een histogram van je bootstrap-replicaties. Dit is al voor je gedaan, dus klik op Antwoord verzenden om de plot te zien!

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Draw bootstrap replicates of the mean no-hitter time (equal to tau): bs_replicates
bs_replicates = ____

# Compute the 95% confidence interval: conf_int
conf_int = ____

# Print the confidence interval
print('95% confidence interval =', ____, 'games')

# Plot the histogram of the replicates
_ = plt.hist(bs_replicates, bins=50, normed=True)
_ = plt.xlabel(r'$\tau$ (games)')
_ = plt.ylabel('PDF')

# Show the plot
plt.show()
Code bewerken en uitvoeren