Оцінювання параметрів: тривалість активного епізоду

Обчисліть середню тривалість активного епізоду для дикого типу та мутанта з 95% бутстреп‑довірчим інтервалом. Набори даних знову доступні в масивах numpy bout_lengths_wt та bout_lengths_mut. Модуль dc_stat_think імпортовано як dcst.

Ця вправа є частиною курсу

Кейс-стаді зі статистичного мислення

Переглянути курс

Інструкції до вправи

Обчисліть середню тривалість активного епізоду для дикого типу та мутанта за допомогою np.mean(). Збережіть результати як mean_wt і mean_mut.
Згенеруйте 10 000 бутстреп‑реплік для кожного за допомогою dcst.draw_bs_reps(), зберігши результати як bs_reps_wt і bs_reps_mut.
Обчисліть 95% довірчий інтервал з бутстреп‑реплік за допомогою np.percentile(), зберігши результати як conf_int_wt і conf_int_mut.
Виведіть середні значення та довірчі інтервали на екран.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))

Редагувати та запускати код