Бутстреп-тест гіпотези

Пермутаційний тест має доволі жорстку нульову гіпотезу: що довжини епізодів у гетерозигот і дикого типу розподілені однаково. Тепер скористайтеся бутстреп-тестом гіпотези, щоб перевірити гіпотезу про рівність середніх, не роблячи припущень щодо форм розподілів.

Ця вправа є частиною курсу

Кейс-стаді зі статистичного мислення

Переглянути курс

Інструкції до вправи

Створіть масив bout_lengths_concat, який містить усі довжини епізодів як для дикого типу (bout_lengths_wt), так і для гетерозигот (bout_lengths_het), використавши np.concatenate().
Обчисліть середнє всіх довжин епізодів у цьому об'єднаному масиві (bout_lengths_concat) і збережіть результат у змінній mean_bout_length.
Зсуньте обидва набори даних так, щоб вони мали однакове середнє — mean_bout_length. Збережіть зсув у масивах wt_shifted і het_shifted.
Використайте dcst.draw_bs_reps(), щоб згенерувати 10 000 бутстреп-реплік середнього для кожного зі зсунутих наборів даних. Збережіть відповідні репліки в bs_reps_wt і bs_reps_het.
Відніміть bs_reps_wt від bs_reps_het, щоб отримати бутстреп-репліки різниці середніх. Збережіть результат у змінній bs_reps.
Обчисліть p-значення, вважаючи „не менш екстремальним", що різниця середніх за нульової гіпотези є більшою або дорівнює експериментально спостереженій. Змінна diff_means_exp з попередньої вправи вже доступна у вашому просторі імен.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Concatenate arrays: bout_lengths_concat
bout_lengths_concat = ____((____, ____))

# Compute mean of all bout_lengths: mean_bout_length
mean_bout_length = ____

# Generate shifted arrays
wt_shifted = ____ - np.mean(____) + ____
het_shifted = ____ - ____ + ____

# Compute 10,000 bootstrap replicates from shifted arrays
bs_reps_wt = ____
bs_reps_het = ____

# Get replicates of difference of means: bs_replicates
bs_reps = ____ - ____

# Compute and print p-value: p
p = ____(____ >= ____) / len(____)
print('p-value =', p)

Редагувати та запускати код