ComeçarComece de graça

Estimativa de parâmetro: comprimento do período ativo

Calcule o comprimento médio do período ativo para o tipo selvagem e o mutante, com intervalo de confiança bootstrap de 95%. Os conjuntos de dados estão novamente disponíveis nos arrays do numpy bout_lengths_wt e bout_lengths_mut. O módulo dc_stat_think foi importado como dcst.

Este exercício faz parte do curso

Estudos de caso em pensamento estatístico

Ver curso

Instruções do exercício

  • Calcule o comprimento médio do período ativo para o tipo selvagem e o mutante usando np.mean(). Armazene os resultados em mean_wt e mean_mut.
  • Gere 10.000 réplicas bootstrap para cada um usando dcst.draw_bs_reps(), armazenando os resultados em bs_reps_wt e bs_reps_mut.
  • Calcule um intervalo de confiança de 95% a partir das réplicas bootstrap usando np.percentile(), armazenando os resultados em conf_int_wt e conf_int_mut.
  • Imprima na tela a média e os intervalos de confiança.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Compute mean active bout length
mean_wt = ____
mean_mut = ____

# Draw bootstrap replicates
bs_reps_wt = ____(____, ____, size=____)
bs_reps_mut = ____

# Compute 95% confidence intervals
conf_int_wt = ____(____, [____, ____])
conf_int_mut = ____

# Print the results
print("""
wt:  mean = {0:.3f} min., conf. int. = [{1:.1f}, {2:.1f}] min.
mut: mean = {3:.3f} min., conf. int. = [{4:.1f}, {5:.1f}] min.
""".format(mean_wt, *conf_int_wt, mean_mut, *conf_int_mut))
Editar e executar o código