单样本自助法假设检验
我们又研究了一只未成年的青蛙 C，您想比较青蛙 B 与青蛙 C 的撞击力是否相近。遗憾的是，您没有青蛙 C 的逐次撞击力数据，但已知其均值为 0.55 N。由于没有原始数据，您无法进行置换检验，也无法直接检验「青蛙 B 与青蛙 C 的力量来自同一分布」这一假设。因此，您将检验另一个限制更少的假设：青蛙 B 的平均击打力量等于青蛙 C 的平均击打力量。
要设置自助法假设检验，您将以均值作为检验统计量。请记住，您的目标是：在「青蛙 B 的真实平均撞击力等于青蛙 C」这一假设成立的前提下，计算获得不大于青蛙 B 观测到的平均撞击力的概率。首先，您需要将青蛙 B 的所有数据做平移，使其均值为 0.55 N。做法是：对青蛙 B 的每个观测值，加上青蛙 C 的平均力量，再减去青蛙 B 的平均力量。这样会保持青蛙 B 分布的其他性质（如方差）不变。
本练习是课程的一部分
Python 统计思维（第 2 部分）
练习说明
- 将青蛙 B 的撞击力数据平移，使其均值为 0.55 N。
- 使用您的
draw_bs_reps()函数，对平移后的数据的均值进行 10,000 次自助法重复抽样。 - 通过计算自助法重复中小于青蛙 B 观测平均撞击力的比例来得到 p 值。注意，这里的观测变量为
force_b。 - 打印 p 值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 = ', ____)