Hipotesis Nol

Dalam latihan ini, kita merumuskan hipotesis nol sebagai

waktu singkat dan waktu lama tidak berpengaruh pada total jarak tempuh.

Kita menafsirkan "ukuran efek nol" sebagai berikut: jika kita mengacak sampel antara waktu singkat dan waktu lama, sehingga dua sampel baru masing-masing berisi campuran perjalanan berdurasi singkat dan lama, lalu menghitung statistik uji, maka secara rata-rata nilainya akan nol.

Pada latihan ini, tujuan Anda adalah melakukan pengacakan dan resampling. Mulailah dengan group_duration_short dan group_duration_long yang telah disediakan, yaitu kelompok durasi waktu sebelum diacak.

Latihan ini adalah bagian dari kursus

Pengantar Pemodelan Linear di Python

Lihat Kursus

Petunjuk latihan

Gunakan np.concatenate() untuk menggabungkan dua populasi, lalu gunakan np.random.shuffle() untuk mengacak nilai-nilai di dalam penampung tersebut.
Bagi dua shuffle_bucket dan gunakan np.random.choice() untuk melakukan resampling pada masing-masing shuffle_half.
Hitung test_statistic dengan mengurangkan resample_half1 dari resample_half2.
Hitung effect_size sebagai np.mean() dari test_statistic, lalu cetak hasilnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Shuffle the time-ordered distances, then slice the result into two populations.
shuffle_bucket = np.____((group_duration_short, group_duration_long))
np.random.shuffle(____)
slice_index = len(shuffle_bucket)//2
shuffled_half1 = shuffle_bucket[0:____]
shuffled_half2 = shuffle_bucket[____:]

# Create new samples from each shuffled population, and compute the test statistic
resample_half1 = np.random.choice(____, size=500, replace=____)
resample_half2 = np.random.choice(____, size=500, replace=____)
test_statistic = ____ - ____

# Compute and print the effect size
effect_size = np.mean(____)
print('Test Statistic, after shuffling, mean = {}'.format(____))

Edit dan Jalankan Kode