Bootstrap 假設檢定
置換檢定的虛無假設相當嚴格，假設雜合與野生型的 bout 長度具有相同分佈。現在，請使用 bootstrap 假設檢定，在不對分佈作任何假設的情況下，檢定兩者「平均數相等」的假設。
本練習屬於課程
統計思維個案研究
練習說明
- 使用
np.concatenate()建立陣列bout_lengths_concat，其中包含野生型（bout_lengths_wt）與雜合型（bout_lengths_het）的所有 bout 長度。 - 計算此合併陣列（
bout_lengths_concat）的整體平均 bout 長度，將結果存入變數mean_bout_length。 - 平移兩個資料集，讓它們的平均數都等於
mean_bout_length。將平移後的陣列分別存入wt_shifted與het_shifted。 - 使用
dcst.draw_bs_reps()，對每個平移後的資料集各抽取 10,000 次平均數的 bootstrap 重抽複本。分別將結果存入bs_reps_wt與bs_reps_het。 - 以
bs_reps_het減去bs_reps_wt，取得平均數差異的 bootstrap 重抽複本。將結果存入變數bs_reps。 - 計算 p 值，並將「至少同等極端」定義為在虛無假設下的平均數差異大於或等於實驗觀察到的差異。上一題的變數
diff_means_exp已經在你的命名空間中。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)