피어슨 상관에 대한 가설 검정
여성 문해율과 출산율 사이에서 관찰된 상관관계는 우연일 수도 있습니다. 즉, 어떤 나라의 출산율이 문해율과 완전히 독립적일 가능성도 있죠. 이 가설을 검정해 보겠습니다. 이를 위해 문해율(illiteracy) 값은 섞되, 출산율(fertility) 값은 고정하세요. 이렇게 하면 두 변수가 서로 완전히 독립적이라는 귀무가설을 모의실험할 수 있습니다. 각 순열마다 피어슨 상관계수를 계산하고, 관찰된 상관계수보다 큰 피어슨 상관계수를 갖는 순열 복제값이 몇 개인지 확인하세요.
피어슨 상관계수를 계산하는 함수 pearson_r()는 이미 제공되어 있습니다. 이 함수는 이 강의 전편에서 직접 작성했던 함수입니다.
이 연습은 강의의 일부입니다
Python으로 하는 통계적 사고 (2부)
연습 안내
illiteracy와fertility사이의 관찰된 피어슨 상관계수를 계산하세요.- 순열 복제값을 저장할 배열을 초기화하세요.
for루프를 작성해 10,000개의 복제값을 생성하세요:np.random.permutation()을 사용해illiteracy측정값을 섞으세요.- 섞인 문해율 배열
illiteracy_permuted와fertility사이의 피어슨 상관계수를 계산하세요.
- 복제값으로부터 p-값을 계산해 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Compute observed correlation: r_obs
r_obs = ____
# Initialize permutation replicates: perm_replicates
perm_replicates = np.empty(10000)
# Draw replicates
for ____ in ____:
# Permute illiteracy measurments: illiteracy_permuted
illiteracy_permuted = ____
# Compute Pearson correlation
perm_replicates[i] = ____
# Compute p-value: p
p = ____
print('p-val =', p)