子代與親代資料的相關性
為了量化子代與親代喙部深度之間的相關性，我們想要計算一些統計量，例如父母與子代之間的 Pearson 相關係數。要為此取得信賴區間，我們需要進行成對（pairs）拔靴法。
你先前已經寫過一個函式，能以成對拔靴法取得由線性迴歸推導出的參數估計。此練習中，你的任務是撰寫一個新的函式，呼叫介面為 draw_bs_pairs(x, y, func, size=1)，它會執行成對拔靴法，並在成對樣本上計算單一統計量。所需的統計量透過呼叫 func(bs_x, bs_y) 來計算。下一個練習中，你會將 pearson_r 作為 func。
本練習屬於課程
Statistical Thinking in Python（第 2 部分）
練習說明
- 建立一個要抽樣的索引陣列。（記住，成對拔靴法是隨機選索引，並用那些索引取得成對資料。）
- 初始化拔靴複本陣列。它應該是一個長度為
size的一維陣列。 - 寫一個
for迴圈來抽樣。 - 從你先前建立的索引陣列中隨機選擇索引。
- 使用剛選的索引，從輸入陣列中擷取
x與y的值，產生成對的拔靴樣本。 - 使用
func從x與y的拔靴樣本計算目標統計量，並將結果存入你的拔靴複本陣列。 - 回傳拔靴複本陣列。
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。
def draw_bs_pairs(x, y, func, size=1):
"""Perform pairs bootstrap for a single statistic."""
# Set up array of indices to sample from: inds
inds = ____
# Initialize replicates: bs_replicates
bs_replicates = ____
# Generate replicates
for i in range(size):
bs_inds = ____
bs_x, bs_y = ____
bs_replicates[i] = ____
return bs_replicates