BaşlayınÜcretsiz Başlayın

Parametre kestirimi: aktif atak uzunluğu

Yabani tip ve mutant için ortalama aktif atak uzunluğunu %95 bootstrap güven aralığıyla birlikte hesapla. Veri kümeleri yine numpy dizileri olan bout_lengths_wt ve bout_lengths_mut içinde mevcut. dc_stat_think modülü dcst kısaltmasıyla içe aktarıldı.

Bu egzersiz

İstatistiksel Düşünmede Vaka Çalışmaları

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • np.mean() kullanarak yabani tip ve mutant için ortalama aktif atak uzunluğunu hesapla. Sonuçları mean_wt ve mean_mut olarak sakla.
  • Her biri için dcst.draw_bs_reps() kullanarak 10.000 bootstrap tekerrürü çiz ve sonuçları bs_reps_wt ve bs_reps_mut olarak sakla.
  • Bootstrap tekerrürlerinden np.percentile() ile %95 güven aralığı hesapla ve sonuçları conf_int_wt ve conf_int_mut olarak sakla.
  • Ortalamayı ve güven aralıklarını ekrana yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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))
Kodu Düzenle ve Çalıştır