CommencezCommencez gratuitement

Hypothèse nulle

Dans cet exercice, nous formulons l'hypothèse nulle ainsi :

les durées courtes et longues n'ont aucun effet sur la distance totale parcourue.

Nous interprétons « effet nul » comme suit : si nous mélangeons aléatoirement des observations entre les durées courtes et longues, de sorte que deux nouveaux échantillons contiennent chacun un mélange de trajets de courte et de longue durée, puis que nous calculons la statistique de test, sa valeur moyenne sera nulle.

Votre objectif est d'effectuer le brassage et le rééchantillonnage. Commencez avec group_duration_short et group_duration_long, qui sont les groupes de durées non brassés.

Cette activité fait partie du cours

Introduction aux modèles linéaires en Python

Voir le cours

Instructions de l’exercice

  • Utilisez np.concatenate() pour combiner les deux populations, puis np.random.shuffle() pour mélanger les valeurs dans ce contenant.
  • Découpez shuffle_bucket en deux et utilisez np.random.choice() pour rééchantillonner chaque shuffle_half.
  • Calculez la test_statistic en soustrayant resample_half1 de resample_half2.
  • Calculez la effect_size comme la np.mean() de la test_statistic, puis affichez le résultat.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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(____))
Modifier et exécuter le code