시작하기무료로 시작하기

가설 검정: 선수들이 후반에 느려지는가?

이번에는 수영 선수의 구간 기록이 현재 수영한 거리와 전혀 상관관계가 없다는 귀무가설을 검정해 보겠습니다. 검정 통계량으로는 dcst.pearson_r()로 계산하는 피어슨 상관 계수를 사용합니다.

이 연습은 강의의 일부입니다

통계적 사고 사례 연구

강의 보기

연습 안내

  • 관측된 피어슨 상관 계수를 계산하여 rho에 저장하세요.
  • np.empty()를 사용하여 피어슨 상관 계수의 순열 복제값 10,000개를 담을 배열을 초기화하고, perm_reps_rho로 이름 붙이세요.
  • for 루프를 작성하여 다음을 수행하세요.
    • np.random.permutation()을 사용해 구간 번호 배열을 무작위로 섞고, scrambled_split_number로 이름 붙이세요.
    • 섞인 구간 번호 배열과 평균 구간 기록 사이의 피어슨 상관 계수를 계산하여 perm_reps_rho에 저장하세요.
  • p-값을 계산하고 화면에 출력하세요. '적어도 관측값만큼 극단적'이란 피어슨 상관 계수가 관측값 이상인 경우를 의미합니다.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행