Categorical वैरिएबल्स के लिए effect size
City of Austin के कर्मचारी डेटा में आपने देखा था कि जॉब टाइटल्स में जेंडर का वितरण असमान है. लेकिन क्या यही बात ethnicities पर भी लागू होती है? और किस हद तक ethnicity चुने गए जॉब टाइटल से जुड़ी है? इस अभ्यास में आप इसे गहराई से जाँचेंगे और उसका उत्तर देंगे.
जॉब टाइटल्स और ethnicities की तुलना करने वाला एक DataFrame (employees_df) आपके लिए लोड कर दिया गया है. साथ ही pandas को pd, NumPy को np, और SciPy से stats भी लोड हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में अनुमान का आधार
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Compute the chi-squared statistic
chi2, p, d, expected = stats.____(____)
# Compute the DOF using the number of rows and columns
dof = min(____.shape[0] - 1, ____.shape[1] - 1)
# Compute the total number of people
n = np.sum(____.values)
# Compute Cramer's V
v = np.____((____ / ____) / ____)
print("Cramer's V:", v, "\nDegrees of freedom:", dof)