Dimensione dell'effetto per le medie
Molte aziende finanziate da venture capital ricevono più di un round di investimento. In generale, il secondo round è più grande del primo. Quanto incide davvero il numero del round sull'importo medio del finanziamento? Puoi quantificarlo con la d di Cohen.
Ricorda che, per calcolare la d di Cohen, devi prima calcolare la deviazione standard combinata (pooled). È data dalla formula
La d di Cohen è poi data da:
Un DataFrame con gli investimenti di venture capital (investments_df) è già stato caricato per te, così come i pacchetti pandas come pd, NumPy come np e stats da SciPy. La colonna funding_total_usd mostra il finanziamento totale ricevuto in quel round.
Questo esercizio fa parte del corso
Fondamenti dell'inferenza in Python
Istruzioni dell'esercizio
- Filtra
investments_dfper selezionare separatamente ifunding_rounds1 e 2. - Calcola la deviazione standard e la dimensione del campione di ciascun round.
- Calcola la deviazione standard combinata tra i due round.
- Calcola la d di Cohen usando i valori che hai appena calcolato.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]
# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]
# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))
# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____