Hypothesetoets: Zwemmen vrouwen hetzelfde in halve finales en finales?
Toets de hypothese dat de prestaties in de finales en halve finales identiek zijn, met het gemiddelde van de fractionele verbetering als je toetsingsgrootheid. De toetsingsgrootheid onder de nulhypothese wordt beschouwd als minstens zo extreem als geobserveerd als deze groter dan of gelijk aan f_mean is, die al in je namespace staat.
De tijden van de halve finale en finale staan in de numpy-arrays semi_times en final_times.
Deze oefening maakt deel uit van de cursus
Casestudies in statistisch denken
Oefeninstructies
- Maak een lege array aan voor 1000 permutatiereplicaties met
np.empty(). Noem deze arrayperm_reps. - Schrijf een
for-lus om permutatiereplicaties te genereren.- Genereer een permutatiesteekproef met de functie
swap_random()die je zojuist hebt geschreven. Sla de arrays op insemi_permenfinal_perm. - Bereken de waarde van
fuit de permutatiesteekproef. - Sla het gemiddelde van de permutatiesteekproef op in de array
perm_reps.
- Genereer een permutatiesteekproef met de functie
- Bereken de p-waarde en print die op het scherm.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Set up array of permutation replicates
perm_reps = ____
for i in range(1000):
# Generate a permutation sample
semi_perm, final_perm = ____
# Compute f from the permutation sample
f = (____ - ____) / ____
# Compute and store permutation replicate
perm_reps[i] = ____
# Compute and print p-value
print('p =', ____(____ >= ____) / 1000)