Zacznij terazZacznij za darmo

Przedział ufności dla częstości meczów bez trafienia

Wróćmy do analizy przerw między meczami bez trafienia (no-hitter) w nowoczesnej erze baseballu. Wygeneruj 10 000 replikatów bootstrapowych optymalnego parametru \(\tau\). Narysuj histogram tych replikatów i wyznacz 95-procentowy przedział ufności.

To ćwiczenie jest częścią kursu

Myślenie statystyczne w Pythonie (część 2)

Zobacz kurs

Instrukcje do ćwiczenia

  • Wygeneruj 10000 replikatów bootstrapowych parametru \(\tau\) na podstawie danych nohitter_times, używając funkcji draw_bs_reps(). Pamiętaj, że optymalny \(\tau\) oblicza się jako średnią z danych.
  • Oblicz 95-procentowy przedział ufności, używając np.percentile() z dwoma argumentami: tablicą bs_replicates oraz listą percentyli – w tym przypadku 2.5 i 97.5.
  • Wyświetl obliczony przedział ufności.
  • Narysuj histogram replikatów bootstrapowych. Ten krok jest już przygotowany – prześlij odpowiedź, aby zobaczyć wykres!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()
Edytuj i uruchom kod