Kom igångKom igång gratis

Bootstraphypotestest

Permutationstestet bygger på en ganska restriktiv hypotes – att bout-längderna för heterozygota och vildtypsindivider är identiskt fördelade. Använd nu ett bootstraphypotestest för att testa hypotesen att medelvärdena är lika, utan att göra några antaganden om fördelningarna.

Den här övningen är en del av kursen

Fallstudier i statistiskt tänkande

Visa kurs

Övningsinstruktioner

  • Skapa en array, bout_lengths_concat, som innehåller alla bout-längder för både vildtyp (bout_lengths_wt) och heterozygoter (bout_lengths_het) med hjälp av np.concatenate().
  • Beräkna medelvärdet av alla bout-längder i den sammansatta arrayen (bout_lengths_concat) och lagra resultatet i variabeln mean_bout_length.
  • Förskjut båda datamängderna så att de får samma medelvärde, nämligen mean_bout_length. Lagra de förskjutna arrayerna i variablerna wt_shifted och het_shifted.
  • Använd dcst.draw_bs_reps() för att dra 10 000 bootstrapreplikat av medelvärdet för var och en av de förskjutna datamängderna. Lagra respektive replikat i bs_reps_wt och bs_reps_het.
  • Subtrahera bs_reps_wt från bs_reps_het för att få bootstrapreplikat av medelvärdesdifferensen. Lagra resultaten i variabeln bs_reps.
  • Beräkna p-värdet, där "minst lika extremt som" definieras som att medelvärdesdifferensen under nollhypotesen är större än eller lika med den som observerades experimentellt. Variabeln diff_means_exp från föregående övning finns redan i ditt namnområde.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Concatenate arrays: bout_lengths_concat
bout_lengths_concat = ____((____, ____))

# Compute mean of all bout_lengths: mean_bout_length
mean_bout_length = ____

# Generate shifted arrays
wt_shifted = ____ - np.mean(____) + ____
het_shifted = ____ - ____ + ____

# Compute 10,000 bootstrap replicates from shifted arrays
bs_reps_wt = ____
bs_reps_het = ____

# Get replicates of difference of means: bs_replicates
bs_reps = ____ - ____

# Compute and print p-value: p
p = ____(____ >= ____) / len(____)
print('p-value =', p)
Redigera och kör kod