仮説検定：タイムは遅くなっているか？
次に、「スイマーのスプリットタイムは泳いだ距離とまったく相関していない」という帰無仮説を検定します。検定統計量には、dcst.pearson_r() で計算するピアソン相関係数を使います。
この演習はコースの一部です
統計的思考 ケーススタディ
演習の手順
- 観測されたピアソン相関係数を計算し、
rhoとして保存しましょう。 np.empty()を使って、ピアソン相関係数の順列レプリケートを 10,000 個格納する配列を初期化し、perm_reps_rhoと名付けましょう。forループを書いて、以下の処理を行いましょう。np.random.permutation()を使ってスプリット番号の配列をランダムに並び替え、scrambled_split_numberと名付けましょう。- 並び替えたスプリット番号の配列と平均スプリットタイムの間のピアソン相関係数を計算し、
perm_reps_rhoに格納しましょう。
- p 値を計算し、画面に表示しましょう。「観測値と同等以上に極端」とは、ピアソン相関係数が観測値以上であることを意味します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)