Wielkość efektu dla średnich
Wiele firm wspieranych przez fundusze venture capital otrzymuje więcej niż jedną rundę finansowania. Na ogół druga runda jest większa niż pierwsza. Ale jak duży wpływ ma numer rundy na średnią kwotę finansowania? Do zmierzenia tego efektu możesz użyć d Cohena.
Przypomnij, że aby obliczyć d Cohena, najpierw musisz wyliczyć łączone odchylenie standardowe. Wyraża je następujący wzór:
Następnie d Cohena obliczamy ze wzoru:
Do dyspozycji masz DataFrame z inwestycjami venture capital (investments_df), a także biblioteki pandas jako pd, NumPy jako np oraz stats z SciPy. Kolumna funding_total_usd zawiera łączną kwotę finansowania otrzymaną w danej rundzie.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Instrukcje do ćwiczenia
- Przefiltruj
investments_df, aby osobno wybrać rundy finansowania (funding_rounds) 1 i 2. - Oblicz odchylenie standardowe i rozmiar próbki dla każdej rundy.
- Oblicz łączone odchylenie standardowe dla obu rund.
- Oblicz d Cohena, korzystając z wyznaczonych wcześniej wartości.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]
# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]
# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))
# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____