Ett bootstrap-hypotestest med två urval för skillnad i medelvärde
Nu vill vi testa hypotesen att Groda A och Groda B har samma genomsnittliga stötkraft, men inte nödvändigtvis samma fördelning – något som inte heller går att testa med ett permutationstest.
Vid ett bootstrap-test med två urval förskjuter vi båda arrayerna så att de får samma medelvärde, eftersom vi simulerar hypotesen att deras medelvärden faktiskt är lika. Sedan drar vi bootstrap-urval ur de förskjutna arrayerna och beräknar skillnaden i medelvärde. Det utgör ett bootstrap-replikat, och vi genererar många sådana. P-värdet är andelen replikat där skillnaden i medelvärde är större än eller lika med den observerade skillnaden.
Objekten forces_concat och empirical_diff_means finns redan i ditt namnrymdsomfång.
Den här övningen är en del av kursen
Statistiskt tänkande i Python (del 2)
Övningsinstruktioner
- Beräkna medelvärdet av alla stötkrafter (från
forces_concat) med hjälp avnp.mean(). - Generera förskjutna datamängder för både
force_aochforce_bså att medelvärdet för var och en av dem är lika med medelvärdet för det sammansatta arrayet av stötkrafter. - Generera 10 000 bootstrap-replikat av medelvärdet för respektive förskjutet array.
- Beräkna bootstrap-replikaten av medelvärdesskillnaden genom att subtrahera replikaten för Groda B:s förskjutna stötkraft från Groda A:s.
- Beräkna och skriv ut p-värdet från dina bootstrap-replikat.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Compute mean of all forces: mean_force
mean_force = ____
# Generate shifted arrays
force_a_shifted = force_a - np.mean(force_a) + mean_force
force_b_shifted = ____
# Compute 10,000 bootstrap replicates from shifted arrays
bs_replicates_a = draw_bs_reps(____, ____, ____)
bs_replicates_b = draw_bs_reps(____, ____, ____)
# Get replicates of difference of means: bs_replicates
bs_replicates = ____
# Compute and print p-value: p
p = ____ / ____
print('p-value =', p)