शुरू करेंमुफ़्त में शुरू करें

Hypothesis test: क्या वे धीमे हो रहे हैं?

अब हम यह शून्य परिकल्पना जाँचेंगे कि तैराक का स्प्लिट टाइम, तैराकी में उनकी दूरी से बिल्कुल भी सह-संबद्ध नहीं है. हम Pearson correlation coefficient (जिसे dcst.pearson_r() से compute किया गया है) को टेस्ट स्टैटिस्टिक के रूप में उपयोग करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking के केस स्टडीज़

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ऑब्ज़र्व्ड Pearson correlation compute करें और उसे rho के रूप में स्टोर करें.
  • np.empty() का उपयोग करके Pearson correlation के 10,000 permutation replicates की ऐरे इनिशियलाइज़ करें और उसका नाम perm_reps_rho रखें.
  • एक for लूप लिखें, जिसमें:
    • np.random.permutation() से split number ऐरे को स्क्रैम्बल करें और उसे scrambled_split_number नाम दें.
    • स्क्रैम्बल किए गए split number ऐरे और mean split times के बीच Pearson correlation coefficient compute करें और उसे perm_reps_rho में स्टोर करें.
  • p-value compute करें और स्क्रीन पर दिखाएँ. यहाँ "at least as extreme as" का मतलब है कि Pearson correlation, ऑब्ज़र्व्ड वैल्यू जितना या उससे बड़ा हो.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Observed correlation
rho = ____

# Initialize permutation reps
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the split number array
    scrambled_split_number = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / ____
print('p =', p_val)
कोड संपादित करें और चलाएँ