Двовибірковий бутстреп-тест гіпотези для різниці середніх
Тепер ми хочемо перевірити гіпотезу, що Жаба A і Жаба B мають однакове середнє ударне зусилля, але не обов'язково однакові розподіли, що також неможливо перевірити перестановковим тестом.
Щоб виконати двовибірковий бутстреп-тест, ми зсуваємо обидва масиви так, щоб вони мали однакове середнє, адже моделюємо гіпотезу про рівність їхніх середніх. Потім вибираємо бутстреп-вибірки із зсунутих масивів і обчислюємо різницю середніх. Це й є бутстреп-реплікат; ми генеруємо їх багато. p-значення — це частка реплікатів із різницею середніх, більшою або рівною спостереженій.
Об'єкти forces_concat і empirical_diff_means вже доступні у вашому просторі імен.
Ця вправа є частиною курсу
Статистичне мислення в Python (Частина 2)
Інструкції до вправи
- Обчисліть середнє всіх зусиль (із
forces_concat) за допомогоюnp.mean(). - Згенеруйте зсунуті набори даних і для
force_a, і дляforce_bтак, щоб середнє кожного дорівнювало середньому об'єднаного масиву ударних зусиль. - Згенеруйте по 10 000 бутстреп-реплікатів середнього для кожного із двох зсунутих масивів.
- Обчисліть бутстреп-реплікати різниці середніх, віднімаючи реплікати зсунутого ударного зусилля Жаби B від реплікатів Жаби A.
- Обчисліть і виведіть p-значення на основі ваших бутстреп-реплікатів.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Compute mean of all forces: mean_force
mean_force = ____
# Generate shifted arrays
force_a_shifted = force_a - np.mean(force_a) + mean_force
force_b_shifted = ____
# Compute 10,000 bootstrap replicates from shifted arrays
bs_replicates_a = draw_bs_reps(____, ____, ____)
bs_replicates_b = draw_bs_reps(____, ____, ____)
# Get replicates of difference of means: bs_replicates
bs_replicates = ____
# Compute and print p-value: p
p = ____ / ____
print('p-value =', p)