CommencezCommencez gratuitement

Taille d'effet pour des moyennes

Beaucoup d'entreprises financées par du capital de risque reçoivent plus d'une ronde de financement. En général, la deuxième ronde est plus importante que la première. Quelle est précisément l'ampleur de l'effet du numéro de ronde sur le montant moyen du financement? Vous pouvez quantifier cela avec le d de Cohen.

Rappelez-vous que, pour calculer le d de Cohen, vous devez d'abord calculer l'écart-type groupé. Il est donné par l'équation suivante

Le d de Cohen est ensuite donné par :

Un DataFrame d'investissements en capital de risque (investments_df) a été chargé pour vous, tout comme les modules pandas sous pd, NumPy sous np et stats de SciPy. La colonne funding_total_usd indique le financement total reçu pour cette ronde.

Cette activité fait partie du cours

Fondements de l'inférence en Python

Voir le cours

Instructions de l’exercice

  • Filtrez investments_df pour sélectionner séparément les funding_rounds 1 et 2.
  • Calculez l'écart-type et la taille de l'échantillon de chaque ronde.
  • Calculez l'écart-type groupé entre les deux rondes.
  • Calculez le d de Cohen à l'aide des valeurs que vous venez d'obtenir.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]

# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]

# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))

# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____
Modifier et exécuter le code