Як залежить вплив течії від номера доріжки?

Щоб кількісно оцінити вплив номера доріжки на результат, виконайте лінійну регресію для даних f_13 відносно lanes. Зробіть парний бутстреп-розрахунок, щоб отримати 95% довірчий інтервал. Нарешті, побудуйте графік регресії. Масиви lanes і f_13 уже доступні у вашому просторі імен.

Зауважте, що ми могли б обчислити похибки для середніх дробових різниць і використати їх у регресії, але це виходить за межі цього курсу.

Ця вправа є частиною курсу

Кейс-стаді зі статистичного мислення

Переглянути курс

Інструкції до вправи

Обчисліть нахил і перетин прямої f_13 відносно lanes за допомогою np.polyfit().
Використайте dcst.draw_bs_pairs_linreg(), щоб отримати 10 000 бутстреп-реплік для нахилу та перетину, зберігши їх відповідно в bs_reps_slope і bs_reps_int.
Скористайтеся бутстреп-репліками, щоб обчислити 95% довірчий інтервал для нахилу.
Виведіть на екран нахил і 95% довірчий інтервал. Це вже зроблено за вас.
За допомогою np.array() згенеруйте значення x для побудови бутстреп-ліній. x має змінюватися від 1 до 8.
Графік уже містить дані. Напишіть цикл for, щоб додати 100 бутстреп-ліній на графік з аргументами color='red', alpha=0.2 і linewidth=0.5.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Compute the slope and intercept of the frac diff/lane curve
____, ____ = ____

# Compute bootstrap replicates
bs_reps_slope, bs_reps_int = ____

# Compute 95% confidence interval of slope
conf_int = ____

# Print slope and confidence interval
print("""
slope: {0:.5f} per lane
95% conf int: [{1:.5f}, {2:.5f}] per lane""".format(slope, *conf_int))

# x-values for plotting regression lines
x = ____

# Plot 100 bootstrap replicate lines
for i in ____:
    _ = ____(____, ____[i] * ____ + ____[i], 
                 color='red', alpha=0.2, linewidth=0.5)
   
# Update the plot
plt.draw()
plt.show()

Редагувати та запускати код