Začněte nyníZačněte zdarma

Velikost efektu pro průměry

Mnoho společností financovaných rizikovým kapitálem získá více než jedno kolo financování. Druhé kolo je zpravidla větší než první. Jak velký vliv má číslo kola na průměrnou výši financování? Tuto otázku ti pomůže zodpovědět Cohenovo d.

Pro výpočet Cohenova d je nejprve nutné vypočítat sdruženou směrodatnou odchylku. Ta je dána vzorcem:

Cohenovo d je pak dáno vztahem:

K dispozici máš DataFrame s investicemi rizikového kapitálu (investments_df) a také balíčky pandas jako pd, NumPy jako np a stats ze SciPy. Sloupec funding_total_usd udává celkovou výši financování v daném kole.

Toto cvičení je součástí kurzu

Základy statistické inference v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Filtruj investments_df tak, abys samostatně vybral/a kola funding_rounds 1 a 2.
  • Vypočítej směrodatnou odchylku a velikost vzorku pro každé kolo.
  • Vypočítej sdruženou směrodatnou odchylku obou kol.
  • Pomocí právě vypočítaných hodnot urči Cohenovo d.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]

# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]

# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))

# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____
Upravit a spustit kód