Test d'ipotesi: stanno rallentando?

Ora testeremo l'ipotesi nulla che il tempo di split del nuotatore non sia affatto correlato con la distanza percorsa nella gara. Useremo il coefficiente di correlazione di Pearson (calcolato con dcst.pearson_r()) come statistica test.

Questo esercizio fa parte del corso

Casi di studio nel pensiero statistico

Visualizza corso

Istruzioni dell'esercizio

Calcola la correlazione di Pearson osservata e salvala in rho.
Usando np.empty(), inizializza l'array di 10.000 repliche di permutazione della correlazione di Pearson, chiamandolo perm_reps_rho.
Scrivi un ciclo for per:
- Mescolare l'array dei numeri di split con np.random.permutation(), chiamandolo scrambled_split_number.
- Calcolare il coefficiente di correlazione di Pearson tra l'array mescolato dei numeri di split e i tempi medi degli split e salvarlo in perm_reps_rho.
Calcola il p-value e visualizzalo. Interpreta "almeno estremo quanto" come il caso in cui la correlazione di Pearson sia almeno grande quanto quella osservata.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Observed correlation
rho = ____

# Initialize permutation reps
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the split number array
    scrambled_split_number = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / ____
print('p =', p_val)

Modifica ed esegui il codice