EmpezarEmpieza gratis

Contraste de hipótesis: ¿están disminuyendo el ritmo?

Ahora vamos a contrastar la hipótesis nula de que el tiempo por tramo del nadador no está correlacionado en absoluto con la distancia que lleva nadada. Usaremos el coeficiente de correlación de Pearson (calculado con dcst.pearson_r()) como estadístico de prueba.

Este ejercicio forma parte del curso

Casos prácticos de pensamiento estadístico

Ver curso

Instrucciones del ejercicio

  • Calcula la correlación de Pearson observada y guárdala como rho.
  • Con np.empty(), inicializa el array con 10.000 réplicas por permutación de la correlación de Pearson y llámalo perm_reps_rho.
  • Escribe un bucle for para:
    • Barajar el array de números de tramo con np.random.permutation(), y llámalo scrambled_split_number.
    • Calcular el coeficiente de correlación de Pearson entre el array barajado de números de tramo y los tiempos medios por tramo, y guardarlo en perm_reps_rho.
  • Calcula el valor p y muéstralo en pantalla. Interpreta "al menos tan extremo como" como que la correlación de Pearson es al menos tan grande como la observada.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Observed correlation
rho = ____

# Initialize permutation reps
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the split number array
    scrambled_split_number = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / ____
print('p =', p_val)
Editar y ejecutar código