Jak powinniśmy przetestować hipotezę?

Interesuje cię obecność efektu torów – stronniczości na korzyść wyższych numerów torów, prawdopodobnie spowodowanej słabym prądem w basenie. Naturalną hipotezą zerową do przetestowania jest założenie, że średnia względna poprawa czasu przy przejściu z niskich numerów torów na wysokie wynosi zero. Który z poniższych sposobów dobrze symuluje tę hipotezę zerową?

Dla przypomnienia: tablice swimtime_low_lanes i swimtime_high_lanes zawierają czasy pływania odpowiednio dla torów 1–3 i 6–8, a względną poprawę definiujemy jako f = (swimtime_low_lanes - swimtime_high_lanes) / swimtime_low_lanes.

Możliwe odpowiedzi

Losowo zamień miejscami swimtime_low_lanes[i] i swimtime_high_lanes[i] z prawdopodobieństwem 0,5. Na podstawie tak przetasowanych tablic oblicz względną poprawę. Statystyką testową jest średnia z nowej tablicy f.

Przetasuj losowo elementy tablicy swimtime_high_lanes i ponownie oblicz f na podstawie przetasowanej tablicy oraz tablicy swimtime_low_lanes. Statystyką testową jest średnia z nowej tablicy f.

Przesuń tablice swimtime_low_lanes i swimtime_high_lanes, dodając do każdej stałą wartość tak, by obie miały tę samą średnią. Oblicz względną poprawę f_shift z tych przesuniętych tablic, a następnie oblicz replikę bootstrap średniej z f_shift.

Odejmij średnią f od f, tworząc f_shift. Następnie oblicz replikę bootstrap średniej z f_shift.

Opcje (3) i (4) dają ten sam wynik – są równoważne.

Exercise

Jak powinniśmy przetestować hipotezę?

Instrukcje

Możliwe odpowiedzi

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instrukcje

Możliwe odpowiedzi

Exercise