Kiểm định giả thuyết bootstrap một mẫu
Một con ếch non khác được nghiên cứu, Ếch C, và bạn muốn kiểm tra xem Ếch B và Ếch C có lực va chạm tương tự nhau không. Tiếc là bạn không có dữ liệu lực va chạm của Ếch C, nhưng bạn biết giá trị trung bình của chúng là 0.55 N. Vì không có dữ liệu gốc, bạn không thể thực hiện kiểm định hoán vị, và cũng không thể đánh giá giả thuyết rằng lực của Ếch B và Ếch C đến từ cùng một phân phối. Do đó, bạn sẽ kiểm định một giả thuyết khác, ít ràng buộc hơn: Lực đánh trung bình của Ếch B bằng với của Ếch C.
Để thiết lập kiểm định giả thuyết bootstrap, bạn sẽ dùng trung bình làm thống kê kiểm định. Hãy nhớ, mục tiêu của bạn là tính xác suất thu được lực va chạm trung bình nhỏ hơn hoặc bằng giá trị quan sát cho Ếch B nếu giả thuyết rằng trung bình thật sự của lực va chạm Ếch B bằng với của Ếch C là đúng. Trước tiên, bạn tịnh tiến toàn bộ dữ liệu của Ếch B sao cho trung bình là 0.55 N. Việc này bao gồm cộng trung bình của Ếch C và trừ trung bình của Ếch B cho từng phép đo của Ếch B. Cách làm này giữ nguyên các đặc trưng khác của phân phối Ếch B, như phương sai.
Bài tập này là một phần của khóa học
Tư duy Thống kê với Python (Phần 2)
Hướng dẫn bài tập
- Tịnh tiến các lực va chạm của Ếch B sao cho trung bình của nó là 0.55 N.
- Dùng hàm
draw_bs_reps()của bạn để lấy 10.000 bản sao bootstrap của trung bình từ các lực đã tịnh tiến. - Tính p-value bằng cách tìm tỷ lệ các bản sao bootstrap nhỏ hơn lực va chạm trung bình quan sát của Ếch B. Lưu ý biến quan trọng ở đây là
force_b. - In ra p-value của bạn.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Make an array of translated impact forces: translated_force_b
translated_force_b = ____
# Take bootstrap replicates of Frog B's translated impact forces: bs_replicates
bs_replicates = draw_bs_reps(____, ____, 10000)
# Compute fraction of replicates that are less than the observed Frog B force: p
p = np.sum(____ <= np.mean(____)) / 10000
# Print the p-value
print('p = ', ____)