Hipótesis nula

En este ejercicio, formulamos la hipótesis nula como:

las duraciones de tiempo cortas y largas no tienen efecto sobre la distancia total recorrida.

Interpretamos el "tamaño de efecto cero" como que, si mezclamos (barajamos) las muestras entre tiempos cortos y largos, de modo que dos nuevas muestras tengan una mezcla de trayectos de corta y larga duración, y luego calculamos el estadístico de prueba, en promedio será cero.

En este ejercicio, tu objetivo es realizar la mezcla y la remuestra. Empieza con group_duration_short y group_duration_long, que son los grupos de duración de tiempo sin barajar.

Este ejercicio forma parte del curso

Introducción al modelado lineal en Python

Ver curso

Instrucciones del ejercicio

Usa np.concatenate() para combinar las dos poblaciones y luego usa np.random.shuffle() para barajar los valores dentro de ese contenedor.
Corta shuffle_bucket por la mitad y usa np.random.choice() para remuestrear cada shuffle_half.
Calcula el test_statistic restando resample_half1 de resample_half2.
Calcula el effect_size como el np.mean() de test_statistic e imprime el resultado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Shuffle the time-ordered distances, then slice the result into two populations.
shuffle_bucket = np.____((group_duration_short, group_duration_long))
np.random.shuffle(____)
slice_index = len(shuffle_bucket)//2
shuffled_half1 = shuffle_bucket[0:____]
shuffled_half2 = shuffle_bucket[____:]

# Create new samples from each shuffled population, and compute the test statistic
resample_half1 = np.random.choice(____, size=500, replace=____)
resample_half2 = np.random.choice(____, size=500, replace=____)
test_statistic = ____ - ____

# Compute and print the effect size
effect_size = np.mean(____)
print('Test Statistic, after shuffling, mean = {}'.format(____))

Editar y ejecutar código