Zacznij terazZacznij za darmo

Test K-S dla rozkładu wykładniczego

Przetestuj hipotezę zerową, że czasy między trzęsieniami ziemi z sekwencji Parkfield mają rozkład wykładniczy. Oznacza to, że trzęsienia ziemi zachodzą losowo, bez „pamięci" o tym, kiedy nastąpiło poprzednie. Uwaga: To obliczenie jest mocno obciążające obliczeniowo (wylosujesz ponad 108 liczb losowych), dlatego jego wykonanie zajmie około 10 sekund.

To ćwiczenie jest częścią kursu

Studia przypadków w myśleniu statystycznym

Zobacz kurs

Instrukcje do ćwiczenia

  • Wylosuj 10 000 replikacji z rozkładu wykładniczego, korzystając z np.random.exponential(). Średni czas między trzęsieniami ziemi jest przechowywany jako mean_time_gap – wartość tę obliczyłeś w poprzednim ćwiczeniu. Wynik zapisz w x_f.
  • Korzystając z tych próbek x_f oraz rzeczywistych odstępów czasowych przechowywanych w time_gap, oblicz statystykę Kołmogorowa-Smirnowa za pomocą dcst.ks_stat().
  • Użyj funkcji napisanej w poprzednim ćwiczeniu, dostępnej teraz jako dcst.draw_ks_reps(), aby wylosować 10 000 replikacji K-S z rozkładu wykładniczego. Użyj argumentu kluczowego size=10000 podczas losowania z docelowego rozkładu wykładniczego. Wyniki zapisz jako reps.
  • Oblicz wartość p i wyświetl ją. Pamiętaj, że „co najmniej tak ekstremalne jak zaobserwowane" oznacza w tym przypadku, że statystyka testowa przy hipotezie zerowej jest większa lub równa zaobserwowanej wartości.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Draw target distribution: x_f
x_f = ____

# Compute K-S stat: d
d = ____

# Draw K-S replicates: reps
reps = ____(len(____), ____, 
                         args=(mean_time_gap,), size=____, n_reps=____)

# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)
Edytuj i uruchom kod