ComenzarEmpieza gratis

Aplicación de un diseño de bloques aleatorizados

La empresa de fabricación con la que trabajaste antes sigue interesada en realizar algunos experimentos sobre la productividad de los trabajadores. Previamente, los dos bloques se establecieron al azar. Aunque esto puede funcionar, puede ser mejor agrupar a los sujetos en función de características similares.

Se vuelven a cargar los mismos empleados, pero esta vez en un DataFrame llamado productivity que incluye a otros 1200 compañeros. También incluye una columna de trabajadores 'productivity_score' basada en las unidades producidas por hora. Esta columna se dividió en tres grupos para generar bloques basados en valores de productividad similares. La empresa desea aplicar un nuevo programa de incentivos con tres opciones ('Bonus', 'Profit Sharing' y 'Work from Home') en toda la empresa con tratamiento aplicado aleatoriamente.

numpy y pandas como np y pd respectivamente.

Este ejercicio forma parte del curso

Diseño experimental en Python

Ver curso

Instrucciones de ejercicio

  • Baraja los blocks para crear un nuevo DataFrame llamado prod_df.
  • Restablece el índice para que block no sea a la vez un índice y una columna.
  • Asigna aleatoriamente los tres valores de tratamiento en la columna 'Treatment'.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Randomly assign workers to blocks
prod_df = productivity.____('____').apply(
  lambda x: x.____(____)
)

# Reset the index
prod_df = prod_df.____(____)

# Assign treatment randomly
prod_df['Treatment'] = np.random.choice(
  ['____', '____', '____'],
  size=len(____)
)
Editar y ejecutar código