MulaiMulai sekarang secara gratis

Uji hipotesis: mungkinkah ini terjadi karena kebetulan?

EDA dan analisis regresi linear cukup meyakinkan. Namun, Anda akan menutup analisis efek zigzag dengan menguji hipotesis bahwa penempatan lintasan tidak berhubungan dengan selisih fraksional rata-rata antara lintasan genap dan ganjil menggunakan uji permutasi. Anda akan menggunakan koefisien korelasi Pearson, yang dapat dihitung dengan dcst.pearson_r(), sebagai statistik uji. Variabel lanes dan f_13 sudah tersedia dalam namespace Anda.

Latihan ini adalah bagian dari kursus

Studi Kasus dalam Pemikiran Statistik

Lihat Kursus

Petunjuk latihan

  • Hitung koefisien korelasi Pearson teramati, simpan sebagai rho.
  • Inisialisasi array untuk menyimpan 10.000 replikasi permutasi rho menggunakan np.empty(). Beri nama array tersebut perm_reps_rho.
  • Tulis loop for untuk menggambar replikasi permutasi.
    • Acak array lanes menggunakan np.random.permutation().
    • Hitung koefisien korelasi Pearson antara array lanes yang telah diacak dan f_13. Simpan hasilnya ke dalam perm_reps_rho.
  • Hitung dan cetak nilai p. Anggap "setidaknya sebesar yang teramati" berarti koefisien korelasi Pearson lebih besar dari atau sama dengan nilai yang teramati.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute observed correlation: rho
rho = ____

# Initialize permutation reps: perm_reps_rho
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the lanes array: scrambled_lanes
    scrambled_lanes = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)
Edit dan Jalankan Kode