Berechnung eines z-Scores
Da Variablen beliebige Spannweiten und Einheiten haben, müssen wir sie standardisieren. Ein Hypothesentest, der zu anderen Ergebnissen käme, wenn die Variablen in Euro statt in US-Dollar angegeben wären, wäre zum Beispiel kaum von Nutzen. Die Standardisierung verhindert so etwas.
Ein standardisierter Wert, der bei einem Hypothesentest von Interesse ist, wird als z-Score bezeichnet. Um ihn zu berechnen, brauchst du drei Zahlen: die Stichprobenstatistik (Punktschätzung), die hypothetische Statistik und den Standardfehler der Statistik (geschätzt aus der Bootstrap-Verteilung).
Die Stichprobenstatistik ist als late_prop_samp verfügbar.
late_shipments_boot_distn ist eine Bootstrap-Verteilung des Anteils der verspäteten Sendungen, die als Liste verfügbar ist.
pandas und numpy werden mit ihren üblichen Aliasnamen geladen.
Diese Übung ist Teil des Kurses
<Kurs>Hypothesentests in Python</Kurs>Übungsanweisungen
- Nimm die Hypothese an, dass der Anteil der verspäteten Sendungen 6 % beträgt.
- Berechne den Standardfehler aus der Standardabweichung der Bootstrap-Verteilung.
- Berechne den z-Score.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Hypothesize that the proportion is 6%
late_prop_hyp = ____
# Calculate the standard error
std_error = ____
# Find z-score of late_prop_samp
z_score = ____
# Print z_score
print(z_score)