Permütasyon alıştırması
NBA oyuncuları ABD'li yetişkin erkeklerden daha mı ağır? Artık NBA oyuncuları ile ABD'li yetişkin erkekler arasındaki ortalama farkın (kilogram cinsinden) %95 güven aralığını hesaplamakla ilgileniyorsun. Bunun için verilen iki listeyi kullanacaksın.
Farkı test ederken permütasyon harika bir yöntemdir; burada kullanacağın yeniden örnekleme yöntemi de bu olacak!
nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 100.3, 101.0, 98.0, 97.4, 100.5, 100.3, 100.2, 100.6]
us_adult_weights = [75.1, 100.1, 95.2, 81.0, 72.0, 63.5, 80.0, 97.1, 94.3, 80.3, 93.5, 85.8, 95.1]
Yukarıdaki listelerin her birinde 13 ağırlık değeri olduğunu unutma.
Senin için şu paketler içe aktarıldı: random, numpy np olarak, seaborn sns olarak ve matplotlib.pyplot plt olarak.
Bu egzersiz, kursun bir parçasıdır
Python ile Monte Carlo Simülasyonları
Egzersiz talimatları
all_weightsdeğişkenini,nba_weightsveus_adult_weightsiçindeki değerleri barındıran bir liste olarak tanımla.np.random.permutation()kullanarakall_weightsüzerinde permütasyon yap.- İlk 13 permütasyon örneğini
perm_nbadeğişkenine, kalan 13'ünüperm_adultdeğişkenine ata.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Define all_weights
all_weights = ____
simu_diff = []
for i in range(1000):
# Perform the permutation on all_weights
perm_sample = ____
# Assign the permutated samples to perm_nba and perm_adult
perm_nba, perm_adult = ____, ____
perm_diff = np.mean(perm_nba) - np.mean(perm_adult)
simu_diff.append(perm_diff)
mean_diff = np.mean(nba_weights) - np.mean(us_adult_weights)
upper = np.quantile(simu_diff, 0.975)
lower = np.quantile(simu_diff, 0.025)
print(mean_diff, lower, upper)