ComenzarEmpieza gratis

Un análogo de tiempo en la web

Resulta que ya hiciste una prueba de hipótesis análoga a un test A/B en el que te interesa cuánto tiempo se pasa en la web antes y después de una campaña de publicidad. La fuerza de la lengua de la rana (una cantidad continua como el tiempo en la web) es un análogo. "Antes" = Rana A y "después" = Rana B. Practiquemos esto de nuevo con algo que sí es un escenario de antes/después.

Volvemos al conjunto de datos de no-hitters. En 1920, la Major League Baseball implementó cambios de reglas importantes que pusieron fin a la llamada era de la bola muerta. En particular, al lanzador ya no se le permitió escupir ni raspar la pelota, una actividad que favorecía mucho a los lanzadores. En este ejercicio harás un test A/B para determinar si estos cambios de reglas resultaron en una menor tasa de no-hitters (es decir, mayor tiempo promedio entre no-hitters) usando la diferencia en el tiempo medio entre no-hitters como estadístico de prueba. Los tiempos entre no-hitters para las respectivas eras están guardados en los arrays nht_dead y nht_live, donde "nht" significa "no-hitter time" (tiempo entre no-hitters).

Como vas a usar tu función draw_perm_reps() en este ejercicio, puede ser útil recordar su firma de llamada: draw_perm_reps(d1, d2, func, size=1) o incluso volver a consultar el ejercicio del capítulo 3 en el que la definiste.

Este ejercicio forma parte del curso

Pensamiento estadístico en Python (Parte 2)

Ver curso

Instrucciones del ejercicio

  • Calcula la diferencia observada en el tiempo medio entre no-hitters usando diff_of_means().
  • Genera 10.000 réplicas por permutación de la diferencia de medias usando draw_perm_reps().
  • Calcula e imprime el valor p.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Compute the observed difference in mean inter-no-hitter times: nht_diff_obs
nht_diff_obs = ____

# Acquire 10,000 permutation replicates of difference in mean no-hitter time: perm_replicates
perm_replicates = ____


# Compute and print the p-value: p
p = ____
print('p-val =', p)
Editar y ejecutar código