Een betrouwbaarheidsinterval berekenen
Als je één enkele schatting van een steekproefstatistiek geeft, zit je onvermijdelijk met enige fout. In het voorbeeld was het veronderstelde aandeel te late zendingen 6%. Zelfs als het bewijs de nulhypothese ondersteunt dat het aandeel te late zendingen hieraan gelijk is, zal het aandeel in elke nieuwe steekproef waarschijnlijk iets afwijken door steekproefvariatie. Het is daarom verstandig om een betrouwbaarheidsinterval te rapporteren. Met andere woorden: je zegt, "we zijn 95% ‘zeker’ dat het aandeel te late zendingen tussen A en B ligt" (voor bepaalde waarden A en B).
Sampling in Python heeft twee methoden laten zien om betrouwbaarheidsintervallen te berekenen. Hier gebruik je de percentielen (kwantielen) van de bootstrapverdeling om het betrouwbaarheidsinterval te berekenen.
late_prop_samp en late_shipments_boot_distn zijn beschikbaar; pandas en numpy zijn geladen met hun gebruikelijke aliassen.
Deze oefening maakt deel uit van de cursus
Hypothesetoetsen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))