Visualisierung der Anpassungsgüte

Der Chi-Quadrat-Anpassungstest vergleicht die Anteile der einzelnen Stufen einer kategorialen Variable mit den angenommenen Werten. Bevor du einen solchen Test durchführst, kann es hilfreich sein, die Verteilung in der Stichprobe visuell mit der angenommenen Verteilung zu vergleichen.

Erinnere dich an die Incoterms im late_shipments-Datensatz. Du stellst die Hypothese auf, dass die vier Werte mit diesen Häufigkeiten in der Grundgesamtheit der Sendungen vorkommen.

CIP: 0.05
DDP: 0.1
EXW: 0.75
FCA: 0.1

Diese Frequenzen werden in dem DataFrame hypothesized gespeichert.

Der DataFrame incoterm_counts speichert die .value_counts() der Spalte vendor_inco_term.

late_shipments ist verfügbar; pandas und matplotlib.pyplot werden mit ihren Standard-Aliasnamen geladen.

Diese Übung ist Teil des Kurses

Hypothesentests in Python

Kurs anzeigen

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Find the number of rows in late_shipments
n_total = ____

# Print n_total
print(n_total)

Code bearbeiten und ausführen