Kom igångKom igång gratis

Konfidensintervall för frekvensen av no-hitters

Undersök återigen intervallen mellan no-hitters under basebollens moderna era. Generera 10 000 bootstrap-replikat av den optimala parametern \(\tau\). Rita ett histogram över dina replikat och rapportera ett 95-procentigt konfidensintervall.

Den här övningen är en del av kursen

Statistiskt tänkande i Python (del 2)

Visa kurs

Övningsinstruktioner

  • Generera 10000 bootstrap-replikat av \(\tau\) från nohitter_times-datat med din draw_bs_reps()-funktion. Kom ihåg att det optimala \(\tau\) beräknas som medelvärdet av datat.
  • Beräkna 95-procentigt konfidensintervall med np.percentile() och skicka in två argument: arrayen bs_replicates och listan med percentiler – i det här fallet 2.5 och 97.5.
  • Skriv ut konfidensintervallet.
  • Rita ett histogram över dina bootstrap-replikat. Det har redan gjorts åt dig, så skicka in svaret för att se diagrammet!

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Draw bootstrap replicates of the mean no-hitter time (equal to tau): bs_replicates
bs_replicates = ____

# Compute the 95% confidence interval: conf_int
conf_int = ____

# Print the confidence interval
print('95% confidence interval =', ____, 'games')

# Plot the histogram of the replicates
_ = plt.hist(bs_replicates, bins=50, normed=True)
_ = plt.xlabel(r'$\tau$ (games)')
_ = plt.ylabel('PDF')

# Show the plot
plt.show()
Redigera och kör kod