เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ช่วงความเชื่อมั่นของอัตราการเกิด no-hitter

กลับมาพิจารณาช่วงเวลาระหว่าง no-hitter ในยุคปัจจุบันของเบสบอลอีกครั้ง ให้สร้าง bootstrap replicate ของพารามิเตอร์ที่เหมาะสมที่สุด \(\tau\) จำนวน 10,000 ตัวอย่าง จากนั้นพล็อตฮิสโทแกรมของตัวอย่างเหล่านั้น และรายงานช่วงความเชื่อมั่น 95%

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง bootstrap replicate ของ \(\tau\) จากข้อมูล nohitter_times จำนวน 10000 ตัวอย่าง โดยใช้ฟังก์ชัน draw_bs_reps() โดยจำไว้ว่าค่า \(\tau\) ที่เหมาะสมที่สุดคำนวณจากค่าเฉลี่ยของข้อมูล
  • คำนวณช่วงความเชื่อมั่น 95% โดยใช้ np.percentile() พร้อมส่งอาร์กิวเมนต์ 2 ตัว ได้แก่ อาร์เรย์ bs_replicates และลิสต์ของ percentile ซึ่งในที่นี้คือ 2.5 และ 97.5
  • พิมพ์ช่วงความเชื่อมั่นที่ได้
  • พล็อตฮิสโทแกรมของ bootstrap replicate ส่วนนี้เตรียมไว้ให้แล้ว กด ส่งคำตอบ เพื่อดูกราฟ!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด