शुरू करेंमुफ़्त में शुरू करें

Randomized block design लागू करना

जिस मैन्युफैक्चरिंग फर्म के साथ आपने पहले काम किया था, वह अभी भी वर्कर प्रोडक्टिविटी पर कुछ प्रयोग करना चाहती है. पहले, दो ब्लॉक रैंडम तरीके से सेट किए गए थे. यह चल सकता है, लेकिन विषयों को समान विशेषताओं के आधार पर ग्रुप करना बेहतर रहता है.

वही कर्मचारी दोबारा लोड किए गए हैं, लेकिन इस बार productivity नाम के DataFrame में, जिसमें 1200 अन्य सहकर्मी भी शामिल हैं. इसमें प्रति घंटा बने यूनिट्स के आधार पर वर्कर का 'productivity_score' कॉलम भी है. इस कॉलम को तीन समूहों में बिन किया गया है ताकि समान प्रोडक्टिविटी मानों पर आधारित ब्लॉक बनाए जा सकें. फर्म पूरे संगठन में एक नया इंसेंटिव प्रोग्राम तीन विकल्पों ('Bonus', 'Profit Sharing' और 'Work from Home') के साथ लागू करना चाहती है, जिसमें ट्रीटमेंट रैंडम तरीके से असाइन होगा.

numpy और pandas क्रमशः np और pd के रूप में लोड हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Experimental Design

पाठ्यक्रम देखें

अभ्यास निर्देश

  • blocks को शफ़ल करके prod_df नाम का नया DataFrame बनाइए.
  • इंडेक्स रीसेट कीजिए ताकि block एक साथ इंडेक्स और कॉलम न रहे.
  • 'Treatment' कॉलम में तीनों ट्रीटमेंट मानों को रैंडम तरीके से असाइन कीजिए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Randomly assign workers to blocks
prod_df = productivity.____('____').apply(
  lambda x: x.____(____)
)

# Reset the index
prod_df = prod_df.____(____)

# Assign treatment randomly
prod_df['Treatment'] = np.random.choice(
  ['____', '____', '____'],
  size=len(____)
)
कोड संपादित करें और चलाएँ