CommencezCommencez gratuitement

Générer une seule permutation

Dans les prochains exercices, nous allons effectuer un test de signification à l'aide d'un test par permutation. Comme expliqué dans la vidéo, nous voulons vérifier s'il y a une différence entre les dons générés par les deux conceptions — A et B. Supposons que vous ayez fait tourner les deux versions pendant quelques jours et obtenu 500 dons pour A et 700 pour B, enregistrés dans les variables donations_A et donations_B.

Nous devons d'abord générer une distribution nulle pour la différence des moyennes. Pour ce faire, nous allons produire plusieurs permutations de l'ensemble de données et calculer la différence des moyennes pour chaque cas.

Commençons par générer une permutation et calculer la différence des moyennes pour l'ensemble de données permuté.

Cette activité fait partie du cours

Simulation statistique en Python

Voir le cours

Instructions de l’exercice

  • Concaténez les deux tableaux donations_A et donations_B avec np.concatenate() et assignez le résultat à data.
  • Obtenez une seule permutation avec np.random.permutation() et assignez-la à perm.
  • Calculez la différence des valeurs moyennes de permuted_A et permuted_B dans diff_in_means.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Concatenate the two arrays donations_A and donations_B into data
len_A, len_B = len(donations_A), len(donations_B)
data = ____([donations_A, donations_B])

# Get a single permutation of the concatenated length
perm = ____(len(donations_A) + len(donations_B))

# Calculate the permutated datasets and difference in means
permuted_A = data[perm[:len(donations_A)]]
permuted_B = data[perm[len(donations_A):]]
diff_in_means = ____
print("Difference in the permuted mean values = {}.".format(diff_in_means))
Modifier et exécuter le code