Cálculo de un intervalo de confianza
Si das una única estimación de un estadístico, seguro que te equivocas en alguna medida. Por ejemplo, la proporción hipotética de envíos retrasados era del 6 %. Aunque las pruebas sugieran la hipótesis nula de que la proporción de envíos retrasados es igual a esto, para cualquier nueva muestra de envíos es probable que la proporción sea diferente, debido a la variabilidad del muestreo. Por ello, es buena idea definir un intervalo de confianza. Es decir, indicas lo siguiente: "tenemos un 95 % de 'confianza' en que la proporción de envíos retrasados está entre A y B" (para algún valor de A y B).
El muestreo en Python ha demostrado dos métodos para calcular intervalos de confianza. Aquí utilizarás los cuantiles de la distribución bootstrap para calcular el intervalo de confianza.
late_prop_samp y late_shipments_boot_distn están disponibles; pandas y numpy se cargan con sus alias habituales.
Este ejercicio forma parte del curso
Pruebas de hipótesis en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))