Berechnung eines Konfidenzintervalls
Wenn du nur eine einzige Schätzung für eine statistische Stichprobe abgibst, musst du dich um einen gewissen Betrag irren. Der angenommene Anteil der verspäteten Lieferungen lag zum Beispiel bei 6 %. Selbst wenn die Nullhypothese, dass der Anteil der verspäteten Sendungen gleich ist, bewiesen ist, wird der Anteil bei jeder neuen Stichprobe von Sendungen aufgrund der Stichprobenvariabilität wahrscheinlich ein wenig anders ausfallen. Daher ist es eine gute Idee, ein Konfidenzintervall anzugeben. Das heißt, du sagst: „Wir sind zu 95 % ‚sicher‘, dass der Anteil der verspäteten Sendungen zwischen A und B liegt“ (für einen bestimmten Wert von A und B).
Sampling in Python demonstrierte zwei Methoden zur Berechnung von Konfidenzintervallen. Hier verwendest du Quantile der Bootstrap-Verteilung, um das Konfidenzintervall zu berechnen.
late_prop_samp und late_shipments_boot_distn sind verfügbar; pandas und numpy werden mit ihren üblichen Aliasnamen geladen.
Diese Übung ist Teil des Kurses
Hypothesentests in Python
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))