BaşlayınÜcretsiz başlayın

Ortalama bölüm süresinin doğrusal regresyonu

Yüzücülerin 800 m yarış boyunca doğrusal bir şekilde yavaşladığını varsayacağız. Bölüm başına yavaşlama, ortalama bölüm süresinin bölüme göre grafiğindeki doğrunun eğimidir. Bölüm başına yavaşlamayı tahmin etmek için bir doğrusal regresyon yap ve yavaşlama için çiftler bootstrap %95 güven aralığı hesapla. Ayrıca en iyi uyum doğrusunun grafiğini göster.

Not: Ortalama bölüm süreleri için hata çubukları hesaplayıp bunları regresyon analizinde kullanabiliriz; ancak bu, bu dersin kapsamını aştığı için burada dikkate almayacağız.

Bu egzersiz, kursun bir parçasıdır

İstatistiksel Düşünmede Vaka Çalışmaları

Kursa Göz Atın

Egzersiz talimatları

  • Bölüm başına yavaşlamayı elde etmek için doğrusal regresyon yapmak üzere np.polyfit() kullan. split_number ve mean_splits değişkenleri zaten çalışma alanında. Eğim ve kesişimi sırasıyla slowdown ve split_3 içinde sakla.
  • Bölüm başına yavaşlamanın 10.000 çiftler bootstrap kopyasını hesaplamak için dcst.draw_bs_pairs_linreg() kullan. Sonucu bs_reps içinde sakla. Kesişim için bootstrap kopyaları bu analizde önemli değil; bu yüzden çöpe atılacak değişken _ içinde saklayabilirsin.
  • Bölüm başına yavaşlamanın %95 güven aralığını hesapla.
  • Bölüm numarasını (split_number) ortalama bölüm süresine (mean_splits) karşı noktalar olarak, en iyi uyum doğrusuyla birlikte çiz.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Perform regression
____, ____ = ____

# Compute pairs bootstrap
bs_reps, _ = ____

# Compute confidence interval
conf_int = ____

# Plot the data with regressions line
_ = ____(____, ____, marker='.', linestyle='none')
_ = ____(____, ____ * ____ + ____, '-')

# Label axes and show plot
_ = plt.xlabel('split number')
_ = plt.ylabel('split time (s)')
plt.show()

# Print the slowdown per split
print("""
mean slowdown: {0:.3f} sec./split
95% conf int of mean slowdown: [{1:.3f}, {2:.3f}] sec./split""".format(
    slowdown, *conf_int))
Kodu Düzenle ve Çalıştır