MulaiMulai sekarang secara gratis

Uji K-S untuk Keeksponensialan

Uji hipotesis nol bahwa selang waktu antargempa pada sekuens Parkfield berdistribusi Eksponensial. Artinya, gempa terjadi secara acak tanpa mengingat kapan terakhir kali terjadi. Catatan: Perhitungan ini intensif secara komputasi (Anda akan mengambil lebih dari 108 angka acak), sehingga akan memerlukan sekitar 10 detik untuk selesai.

Latihan ini adalah bagian dari kursus

Studi Kasus dalam Pemikiran Statistik

Lihat Kursus

Petunjuk latihan

  • Ambil 10.000 replikasi dari sebaran Eksponensial menggunakan np.random.exponential(). Rata-rata selang waktu antargempa disimpan sebagai mean_time_gap, yang telah Anda hitung pada latihan sebelumnya. Simpan hasilnya dalam x_f.
  • Gunakan sampel ini, x_f, bersama dengan selang waktu aktual yang disimpan dalam time_gap, untuk menghitung statistik Kolmogorov–Smirnov menggunakan dcst.ks_stat().
  • Gunakan fungsi yang Anda tulis pada latihan terakhir, yang kini tersedia sebagai dcst.draw_ks_reps(), untuk mengambil 10.000 replikasi K–S dari sebaran Eksponensial. Gunakan argumen kata kunci size=10000 untuk pengambilan dari sebaran Eksponensial target. Simpan replikasi sebagai reps.
  • Hitung dan cetak nilai p. Ingat bahwa "setidaknya sama ekstremnya dengan" dalam kasus ini didefinisikan sebagai statistik uji di bawah hipotesis nol lebih besar dari atau sama dengan apa yang teramati.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Draw target distribution: x_f
x_f = ____

# Compute K-S stat: d
d = ____

# Draw K-S replicates: reps
reps = ____(len(____), ____, 
                         args=(mean_time_gap,), size=____, n_reps=____)

# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)
Edit dan Jalankan Kode