Kom igångKom igång gratis

Parameterestimering: längd på aktiva perioder

Beräkna den genomsnittliga längden på aktiva perioder för vildtyp och mutant, med 95% bootstrap-konfidensintervall. Datamängderna finns tillgängliga i numpy-arrayerna bout_lengths_wt och bout_lengths_mut. Modulen dc_stat_think har importerats som dcst.

Den här övningen är en del av kursen

Fallstudier i statistiskt tänkande

Visa kurs

Övningsinstruktioner

  • Beräkna den genomsnittliga längden på aktiva perioder för vildtyp och mutant med np.mean(). Spara resultaten som mean_wt och mean_mut.
  • Dra 10 000 bootstrap-replikat för vardera med dcst.draw_bs_reps() och spara resultaten som bs_reps_wt och bs_reps_mut.
  • Beräkna ett 95%-konfidensintervall från bootstrap-replikaten med np.percentile() och spara resultaten som conf_int_wt och conf_int_mut.
  • Skriv ut medelvärdet och konfidensintervallen på skärmen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod