Nulová hypotéza

V tomto cvičení formulujeme nulovou hypotézu takto:

krátká a dlouhá časová trvání nemají žádný vliv na celkovou ujetou vzdálenost.

„Nulovou velikost efektu" chápeme tak, že pokud promícháme vzorky mezi krátkými a dlouhými časy – čímž vzniknou dva nové vzorky obsahující kombinaci krátkých i dlouhých jízd – a poté vypočítáme testovací statistiku, bude její průměrná hodnota rovna nule.

Tvým cílem v tomto cvičení je provést promíchání a resampling. Začni s předdefinovanými skupinami group_duration_short a group_duration_long, což jsou nepromíchané skupiny časových trvání.

Toto cvičení je součástí kurzu

Úvod do lineárního modelování v Pythonu

Zobrazit kurz

Pokyny k cvičení

Pomocí np.concatenate() spoj obě populace a poté použij np.random.shuffle() k promíchání hodnot v tomto kontejneru.
Rozděl shuffle_bucket na polovinu a pomocí np.random.choice() proveď resampling každé shuffle_half.
Vypočítej test_statistic odečtením resample_half1 od resample_half2.
Vypočítej effect_size jako np.mean() hodnoty test_statistic a výsledek vypiš.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Shuffle the time-ordered distances, then slice the result into two populations.
shuffle_bucket = np.____((group_duration_short, group_duration_long))
np.random.shuffle(____)
slice_index = len(shuffle_bucket)//2
shuffled_half1 = shuffle_bucket[0:____]
shuffled_half2 = shuffle_bucket[____:]

# Create new samples from each shuffled population, and compute the test statistic
resample_half1 = np.random.choice(____, size=500, replace=____)
resample_half2 = np.random.choice(____, size=500, replace=____)
test_statistic = ____ - ____

# Compute and print the effect size
effect_size = np.mean(____)
print('Test Statistic, after shuffling, mean = {}'.format(____))

Upravit a spustit kód