Eseguire un test di bontà dell'adattamento
Il grafico a barre di vendor_inco_term suggerisce che la distribuzione tra le quattro categorie è piuttosto vicina alla distribuzione ipotizzata. Devi eseguire un chi-square goodness of fit test per verificare se le differenze sono statisticamente significative.
Ricorda le ipotesi per questo tipo di test:
\(H_{0}\): Il campione è coerente con la distribuzione ipotizzata.
\(H_{A}\): Il campione non è coerente con la distribuzione ipotizzata.
Per decidere quale ipotesi accettare, imposteremo un livello di significatività pari a 0.1.
Sono disponibili late_shipments, incoterm_counts e hypothesized dall’esercizio precedente. chisquare da scipy.stats è stato caricato.
Questo esercizio fa parte del corso
Test di ipotesi in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Perform a goodness of fit test on the incoterm counts n
gof_test = ____
# Print gof_test results
print(gof_test)