Calcul d'un z-score
Comme les variables peuvent avoir des échelles et des unités arbitraires, il faut les standardiser. Par exemple, un test d'hypothèse qui donnerait des réponses différentes selon que les variables sont en euros plutôt qu'en dollars américains aurait peu de valeur. La standardisation évite ce problème.
Une valeur standardisée d'intérêt dans un test d'hypothèse s'appelle un z-score. Pour le calculer, il vous faut trois nombres : la statistique d'échantillon (estimation ponctuelle), la statistique postulée et l'erreur-type de la statistique (estimée à partir de la distribution bootstrap).
La statistique d'échantillon est disponible sous late_prop_samp.
late_shipments_boot_distn est une distribution bootstrap de la proportion d'envois en retard, disponible sous forme de liste.
pandas et numpy sont chargés avec leurs alias habituels.
Cette activité fait partie du cours
Vérification d'hypothèses en Python
Instructions de l’exercice
- Posez l'hypothèse que la proportion d'envois en retard est de 6 %.
- Calculez l'erreur-type à partir de l'écart-type de la distribution bootstrap.
- Calculez le z-score.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Hypothesize that the proportion is 6%
late_prop_hyp = ____
# Calculate the standard error
std_error = ____
# Find z-score of late_prop_samp
z_score = ____
# Print z_score
print(z_score)