Un analogue du temps passé sur un site web
Vous avez déjà réalisé un test d'hypothèse analogue à un test A/B où l'on s'intéresse au temps passé sur un site web avant et après une campagne publicitaire. La force de la langue de la grenouille (une quantité continue comme le temps passé sur le site) en est un analogue. « Avant » = Grenouille A et « après » = Grenouille B. Reprenons cet exercice avec un véritable scénario avant/après.
Revenons à l'ensemble de données sur les matchs sans coup sûr. En 1920, la Ligue majeure de baseball a mis en place d'importants changements aux règles qui ont mis fin à la soi‑disant ère de la « dead ball ». Surtout, le lanceur n'était plus autorisé à cracher sur la balle ni à l'érafler, une pratique qui favorisait grandement les lanceurs. Dans ce problème, vous effectuerez un test A/B pour déterminer si ces changements de règles ont entraîné une diminution du taux de matchs sans coup sûr (c.-à-d. un temps moyen plus long entre deux matchs sans coup sûr) en utilisant la différence du temps moyen entre deux matchs sans coup sûr comme statistique de test. Les temps entre deux matchs sans coup sûr pour les deux époques sont stockés dans les tableaux nht_dead et nht_live, où « nht » signifie « no-hitter time » (temps entre matchs sans coup sûr).
Comme vous utiliserez votre fonction draw_perm_reps() dans cet exercice, il peut être utile de vous rappeler sa signature d'appel : draw_perm_reps(d1, d2, func, size=1) ou même de revenir à l'exercice du chapitre 3 où vous l'avez définie.
Cette activité fait partie du cours
Réflexion statistique en Python (partie 2)
Instructions de l’exercice
- Calculez la différence observée du temps moyen entre deux matchs sans coup sûr à l'aide de
diff_of_means(). - Générez 10 000 répliques par permutation de la différence des moyennes à l'aide de
draw_perm_reps(). - Calculez et affichez la valeur p.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Compute the observed difference in mean inter-no-hitter times: nht_diff_obs
nht_diff_obs = ____
# Acquire 10,000 permutation replicates of difference in mean no-hitter time: perm_replicates
perm_replicates = ____
# Compute and print the p-value: p
p = ____
print('p-val =', p)