Zacznij terazZacznij za darmo

Jednopróbkowy bootstrapowy test hipotezy

Zbadano kolejną młodą żabę – Żabę C – i chcesz sprawdzić, czy Żaba B i Żaba C mają podobne siły uderzenia. Niestety nie masz dostępu do danych o siłach uderzenia Żaby C, ale wiesz, że ich średnia wynosi 0,55 N. Ponieważ nie dysponujesz oryginalnymi danymi, nie możesz przeprowadzić testu permutacyjnego ani zweryfikować hipotezy, że siły Żaby B i Żaby C pochodzą z tego samego rozkładu. Przetestujesz zatem inną, mniej restrykcyjną hipotezę: średnia siła uderzenia Żaby B jest równa średniej sile uderzenia Żaby C.

Aby skonfigurować bootstrapowy test hipotezy, jako statystykę testową przyjmiesz średnią. Pamiętaj – celem jest obliczenie prawdopodobieństwa uzyskania średniej siły uderzenia mniejszej lub równej zaobserwowanej dla Żaby B, przy założeniu, że prawdziwa średnia sił uderzenia Żaby B jest równa średniej Żaby C. W tym celu przesuniesz wszystkie dane Żaby B tak, aby ich średnia wynosiła 0,55 N. Polega to na dodaniu do każdego pomiaru Żaby B średniej siły Żaby C i odjęciu średniej siły Żaby B. Pozostałe właściwości rozkładu Żaby B, takie jak wariancja, pozostają bez zmian.

To ćwiczenie jest częścią kursu

Myślenie statystyczne w Pythonie (część 2)

Zobacz kurs

Instrukcje do ćwiczenia

  • Przesuń siły uderzenia Żaby B tak, aby ich średnia wynosiła 0,55 N.
  • Użyj funkcji draw_bs_reps(), aby wygenerować 10 000 bootstrapowych replik średniej przesunięte sił.
  • Oblicz wartość p, znajdując ułamek replik bootstrapowych, które są mniejsze od zaobserwowanej średniej siły uderzenia Żaby B. Pamiętaj, że interesująca cię zmienna to force_b.
  • Wyświetl obliczoną wartość p.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Make an array of translated impact forces: translated_force_b
translated_force_b = ____

# Take bootstrap replicates of Frog B's translated impact forces: bs_replicates
bs_replicates = draw_bs_reps(____, ____, 10000)

# Compute fraction of replicates that are less than the observed Frog B force: p
p = np.sum(____ <= np.mean(____)) / 10000

# Print the p-value
print('p = ', ____)
Edytuj i uruchom kod