शुरू करेंमुफ़्त में शुरू करें

Pearson correlation पर hypothesis test

महिला निरक्षरता और प्रजनन दर के बीच दिख रहा correlation केवल संयोग भी हो सकता है; किसी देश की प्रजनन दर वास्तव में उसकी निरक्षरता से पूरी तरह स्वतंत्र हो सकती है. आप इसी परिकल्पना का परीक्षण करेंगे. इसके लिए, illiteracy के मानों को permute करें, लेकिन fertility के मान स्थिर रखें. यह इस परिकल्पना का सिमुलेशन है कि दोनों एक-दूसरे से पूरी तरह स्वतंत्र हैं. हर permutation के लिए Pearson correlation coefficient निकालें और जाँचें कि आपके कितने permutation replicates का Pearson correlation coefficient प्रेक्षित मान से अधिक है.

pearson_r() फंक्शन, जिसे आपने इस कोर्स के प्रीक्वेल में लिखा था, Pearson correlation coefficient निकालने के लिए यहाँ पहले से उपलब्ध है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking in Python (Part 2)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • illiteracy और fertility के बीच प्रेक्षित Pearson correlation निकालें.
  • अपने permutation replicates स्टोर करने के लिए एक array इनिशियलाइज़ करें.
  • 10,000 replicates ड्रॉ करने के लिए एक for लूप लिखें:
    • np.random.permutation() का उपयोग करके illiteracy मापों को permute करें.
    • permuted illiteracy array illiteracy_permuted और fertility के बीच Pearson correlation निकालें.
  • replicates से p-value compute करें और प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compute observed correlation: r_obs
r_obs = ____

# Initialize permutation replicates: perm_replicates
perm_replicates = np.empty(10000)

# Draw replicates
for ____ in ____:
    # Permute illiteracy measurments: illiteracy_permuted
    illiteracy_permuted = ____

    # Compute Pearson correlation
    perm_replicates[i] = ____

# Compute p-value: p
p = ____
print('p-val =', p)
कोड संपादित करें और चलाएँ