शुरू करेंमुफ़्त में शुरू करें

Means के लिए Effect size

कई venture capital-समर्थित कंपनियों को एक से अधिक फंडिंग राउंड मिलते हैं. आम तौर पर दूसरा राउंड पहले से बड़ा होता है. औसत फंडिंग अमाउंट पर राउंड नंबर का प्रभाव कितना बड़ा है? आप इसे मापने के लिए Cohen's d का उपयोग कर सकते हैं.

याद करें, Cohen's d निकालने के लिए, आपको पहले pooled standard deviation निकालना होता है. यह निम्न समीकरण से दिया गया है:

इसके बाद Cohen's d इस प्रकार दिया जाता है:

एक DataFrame (investments_df) जिसमें venture capital निवेश हैं, आपके लिए लोड कर दिया गया है. साथ ही pandas को pd के रूप में, NumPy को np के रूप में और SciPy से stats भी लोड है. कॉलम funding_total_usd उस राउंड में मिली कुल फंडिंग दिखाता है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में अनुमान का आधार

पाठ्यक्रम देखें

अभ्यास निर्देश

  • investments_df को फ़िल्टर करके funding_rounds 1 और 2 को अलग-अलग चुनें.
  • प्रत्येक राउंड का standard deviation और sample size निकालें.
  • दोनों राउंड के बीच pooled standard deviation की गणना करें.
  • आपने जो मान निकाले हैं, उनका उपयोग करके Cohen's d की गणना करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]

# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]

# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))

# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____
कोड संपादित करें और चलाएँ