Calculer un intervalle de confiance
Si vous donnez une seule estimation d'une statistique d'échantillon, vous vous trompez forcément d'un certain montant. Par exemple, la proportion hypothétique d'envois tardifs était de 6 %. Même si les données suggèrent l'hypothèse nulle selon laquelle la proportion des envois tardifs est égale à cette proportion, pour tout nouvel échantillon d'envois, la proportion est susceptible d'être légèrement différente en raison de la variabilité de l'échantillonnage. Par conséquent, il est judicieux d'indiquer un intervalle de confiance. En d'autres termes, vous dites : « nous avons 95 % de certitude que la proportion d'envois tardifs se situe entre A et B » (pour une valeur quelconque de A et B).
L’échantillonnage dans Python a démontré deux méthodes de calcul des intervalles de confiance. Ici, vous utiliserez les quantiles de la distribution Bootstrap pour calculer l'intervalle de confiance.
late_prop_samp et late_shipments_boot_distn sont disponibles ; pandas et numpy sont chargés avec leurs alias habituels.
Cet exercice fait partie du cours
<cours>Tests d'hypothèses en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))