CommencezCommencez gratuitement

Test d'hypothèse : l'attribution des couloirs influence-t-elle la performance ?

Effectuez un test d'hypothèse bootstrap de l'hypothèse nulle selon laquelle l'amélioration fractionnaire moyenne en passant des couloirs à numéro faible vers des couloirs à numéro élevé est nulle. Prenez l'amélioration fractionnaire comme paramètre de test et interprétez « au moins aussi extrême que » comme signifiant que, sous l'hypothèse nulle, le paramètre de test est supérieur ou égal à ce qui a été observé.

Cette activité fait partie du cours

Études de cas en pensée statistique

Voir le cours

Instructions de l’exercice

  • Créez un tableau f_shift en décalant f de sorte que sa moyenne soit zéro. Vous pouvez utiliser la variable f_mean calculée dans les exercices précédents.
  • Tirez 100 000 répliques bootstrap de la moyenne de f_shift.
  • Calculez et affichez la valeur p.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Shift f: f_shift
f_shift = ____ - ____

# Draw 100,000 bootstrap replicates of the mean: bs_reps
bs_reps = ____

# Compute and report the p-value
p_val = ____(____ >= ____) / 100000
print('p =', p_val)
Modifier et exécuter le code