การประมาณค่าพารามิเตอร์: ความยาวช่วงที่ปลาเคลื่อนไหว

คำนวณค่าเฉลี่ยความยาวช่วงที่ปลาเคลื่อนไหวสำหรับปลาชนิด wild type และ mutant พร้อมช่วงความเชื่อมั่น bootstrap 95% โดยชุดข้อมูลมีอยู่ใน array numpy ชื่อ bout_lengths_wt และ bout_lengths_mut ตามเดิม และได้นำเข้าโมดูล dc_stat_think ในชื่อ dcst แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

กรณีศึกษาด้านการคิดเชิงสถิติ

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่าเฉลี่ยความยาวช่วงที่ปลาเคลื่อนไหวสำหรับปลาชนิด wild type และ mutant โดยใช้ np.mean() แล้วเก็บผลลัพธ์ไว้ในตัวแปร mean_wt และ mean_mut
สุ่ม bootstrap replicates จำนวน 10,000 ครั้งสำหรับปลาแต่ละชนิดโดยใช้ dcst.draw_bs_reps() แล้วเก็บผลลัพธ์ไว้ในตัวแปร bs_reps_wt และ bs_reps_mut
คำนวณช่วงความเชื่อมั่น 95% จาก bootstrap replicates โดยใช้ np.percentile() แล้วเก็บผลลัพธ์ไว้ในตัวแปร conf_int_wt และ conf_int_mut
แสดงค่าเฉลี่ยและช่วงความเชื่อมั่นออกทางหน้าจอ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด