Zacznij terazZacznij za darmo

Korelacja danych potomstwa i rodziców

Aby ilościowo opisać korelację między głębokością dzioba potomstwa a rodziców, chcemy obliczyć odpowiednie statystyki – na przykład współczynnik korelacji Pearsona – między pokoleniami. Żeby uzyskać przedziały ufności, musimy zastosować bootstrap par.

Napisałeś(-aś) już wcześniej funkcję wykonującą bootstrap par w celu estymacji parametrów regresji liniowej. Twoim zadaniem w tym ćwiczeniu jest napisanie nowej funkcji o sygnaturze draw_bs_pairs(x, y, func, size=1), która przeprowadza bootstrap par i oblicza pojedynczą statystykę na próbkach par. Interesująca nas statystyka jest obliczana przez wywołanie func(bs_x, bs_y). W następnym ćwiczeniu użyjesz pearson_r jako func.

To ćwiczenie jest częścią kursu

Myślenie statystyczne w Pythonie (część 2)

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz tablicę indeksów do próbkowania. (Pamiętaj, że w bootstrapie par losowo wybieramy indeksy i na ich podstawie tworzymy pary.)
  • Zainicjuj tablicę replik bootstrapowych. Powinna to być jednowymiarowa tablica o długości size.
  • Napisz pętlę for, która pobiera próbki:
  • Losowo wybierz indeksy z tablicy indeksów, którą wcześniej utworzyłeś(-aś).
  • Wyodrębnij wartości x i y z tablicy wejściowej, używając wybranych indeksów, aby wygenerować próbkę bootstrapową.
  • Użyj func, aby obliczyć interesującą nas statystykę na bootstrapowych próbkach x i y, i zapisz wynik w tablicy replik bootstrapowych.
  • Zwróć tablicę replik bootstrapowych.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

def draw_bs_pairs(x, y, func, size=1):
    """Perform pairs bootstrap for a single statistic."""

    # Set up array of indices to sample from: inds
    inds = ____

    # Initialize replicates: bs_replicates
    bs_replicates = ____

    # Generate replicates
    for i in range(size):
        bs_inds = ____
        bs_x, bs_y = ____
        bs_replicates[i] = ____

    return bs_replicates
Edytuj i uruchom kod