Začněte nyníZačněte zdarma

K-S test exponenciálního rozdělení

Otestuj nulovou hypotézu, že časy mezi zemětřeseními v sekvenci Parkfield mají exponenciální rozdělení – jinými slovy, že zemětřesení nastávají náhodně, bez jakékoli „paměti" předchozí události. Poznámka: Tento výpočet je náročný na výkon (vygeneruješ více než 108 náhodných čísel), takže jeho dokončení může trvat přibližně 10 sekund.

Toto cvičení je součástí kurzu

Případové studie ve statistickém myšlení

Zobrazit kurz

Pokyny k cvičení

  • Vygeneruj 10 000 replikátů z exponenciálního rozdělení pomocí np.random.exponential(). Průměrný čas mezi zemětřeseními je uložen v proměnné mean_time_gap, kterou jsi vypočítal/a v předchozím cvičení. Výsledek ulož do x_f.
  • Pomocí těchto vzorků x_f a skutečných časových mezer uložených v time_gap vypočítej Kolmogorov-Smirnovovu statistiku funkcí dcst.ks_stat().
  • Pomocí funkce, kterou jsi napsal/a v minulém cvičení a která je nyní dostupná jako dcst.draw_ks_reps(), vygeneruj 10 000 K-S replikátů z exponenciálního rozdělení. Pro výběr z cílového exponenciálního rozdělení použij argument size=10000. Replikáty ulož jako reps.
  • Vypočítej a vypiš p-hodnotu. Pamatuj, že „alespoň tak extrémní" zde znamená, že testovací statistika pod nulovou hypotézou je větší nebo rovna pozorované hodnotě.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Draw target distribution: x_f
x_f = ____

# Compute K-S stat: d
d = ____

# Draw K-S replicates: reps
reps = ____(len(____), ____, 
                         args=(mean_time_gap,), size=____, n_reps=____)

# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)
Upravit a spustit kód