1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶ仮説検定
Connected

演習

適合度を可視化する

カイ二乗適合度検定は、カテゴリ変数の各水準の比率を仮説とする値と比較します。検定を実行する前に、サンプルの分布と仮説分布を視覚的に比較しておくと役立ちます。

late_shipments データセットのベンダーのインコタームを思い出してください。出荷全体の母集団では、次の4つの値が以下の頻度で現れると仮定します。

  • CIP: 0.05
  • DDP: 0.1
  • EXW: 0.75
  • FCA: 0.1

これらの頻度は hypothesized DataFrame に保存されています。

incoterm_counts DataFrame には、vendor_inco_term 列の .value_counts() の結果が保存されています。

late_shipments は利用可能で、pandas と matplotlib.pyplot は標準のエイリアスで読み込まれています。

指示1 / 4

undefined XP
    1
    2
    3
    4
  • late_shipments の行数の合計を求めます。