CommencerCommencer gratuitement

Test d'hypothèse : l’attribution des couloirs affecte-t-elle la performance ?

Réalisez un test d’hypothèse bootstrap de l’hypothèse nulle selon laquelle l’amélioration fractionnaire moyenne lorsqu’on passe des couloirs à petit numéro aux couloirs à grand numéro est nulle. Prenez l’amélioration fractionnaire comme statistique de test, et interprétez « au moins aussi extrême que » comme signifiant que la statistique de test sous l’hypothèse nulle est supérieure ou égale à la valeur observée.

Cet exercice fait partie du cours

Études de cas en pensée statistique

Afficher le cours

Instructions

  • Créez un tableau f_shift en décalant f de sorte que sa moyenne soit nulle. Vous pouvez utiliser la variable f_mean calculée dans les exercices précédents.
  • Tirez 100 000 réplicats bootstrap de la moyenne de f_shift.
  • Calculez et affichez la p-value.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Shift f: f_shift
f_shift = ____ - ____

# Draw 100,000 bootstrap replicates of the mean: bs_reps
bs_reps = ____

# Compute and report the p-value
p_val = ____(____ >= ____) / 100000
print('p =', p_val)
Modifier et exécuter le code