शुरू करेंमुफ़्त में शुरू करें

हाइपोथिसिस टेस्ट: क्या यह सिर्फ किस्मत से हो सकता है?

EDA और linear regression का विश्लेषण काफ़ी ठोस है. फिर भी, आप permutation test के ज़रिए उस हाइपोथिसिस को परखकर zigzag प्रभाव के विश्लेषण को पूरा करेंगे कि लेन असाइनमेंट का सम और विषम लेनों के बीच औसत fractional difference से कोई संबंध नहीं है. आप Pearson correlation coefficient को test statistic के रूप में उपयोग करेंगे, जिसे आप dcst.pearson_r() से निकाल सकते हैं. वैरिएबल lanes और f_13 पहले से आपकी namespace में मौजूद हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking के केस स्टडीज़

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ऑब्ज़र्व किया गया Pearson correlation coefficient निकालें और उसे rho के रूप में स्टोर करें.
  • np.empty() का उपयोग करके rho के 10,000 permutation replicates स्टोर करने के लिए एक array इनिशियलाइज़ करें. इस array का नाम perm_reps_rho रखें.
  • permutation replicates निकालने के लिए एक for लूप लिखें.
    • np.random.permutation() से lanes array को scramble करें.
    • scramble किए गए lanes array और f_13 के बीच Pearson correlation coefficient निकालें. परिणाम perm_reps_rho में स्टोर करें.
  • p-value निकालें और प्रिंट करें. यहाँ "कम से कम उतना ही चरम" का अर्थ लें कि Pearson correlation coefficient ऑब्ज़र्व किए गए मान से बड़ा या उसके बराबर हो.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute observed correlation: rho
rho = ____

# Initialize permutation reps: perm_reps_rho
perm_reps_rho = ____

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