Оценка параметров: длина активного периода

Вычислите среднюю длину активного периода для дикого типа и мутантных рыб с 95%-м бутстрэп-доверительным интервалом. Наборы данных снова доступны в массивах numpy bout_lengths_wt и bout_lengths_mut. Модуль dc_stat_think импортирован как dcst.

Это упражнение является частью курса

Примеры применения статистического мышления

Посмотреть курс

Инструкции к упражнению

Вычислите среднюю длину активного периода для дикого типа и мутантных рыб с помощью np.mean(). Сохраните результаты в переменные mean_wt и mean_mut.
Сгенерируйте по 10 000 бутстрэп-повторений для каждого типа с помощью dcst.draw_bs_reps(), сохранив результаты в bs_reps_wt и bs_reps_mut.
Вычислите 95%-й доверительный интервал на основе бутстрэп-повторений с помощью np.percentile(), сохранив результаты в conf_int_wt и conf_int_mut.
Выведите средние значения и доверительные интервалы на экран.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))

Редактировать и запускать код