Wielkość efektu dla zmiennych kategorycznych
Na podstawie danych pracowników miasta Austin zaobserwowałeś, że stanowiska pracy charakteryzują się nierównomiernym rozkładem płci. Czy podobna zależność dotyczy też grup etnicznych? W jakim stopniu przynależność etniczna wiąże się z wyborem stanowiska? W tym ćwiczeniu przyjrzysz się temu zagadnieniu bliżej.
Załadowano dla ciebie ramkę danych porównującą stanowiska pracy i grupy etniczne (employees_df), a także pakiety pandas jako pd, NumPy jako np oraz stats z biblioteki SciPy.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute the chi-squared statistic
chi2, p, d, expected = stats.____(____)
# Compute the DOF using the number of rows and columns
dof = min(____.shape[0] - 1, ____.shape[1] - 1)
# Compute the total number of people
n = np.sum(____.values)
# Compute Cramer's V
v = np.____((____ / ____) / ____)
print("Cramer's V:", v, "\nDegrees of freedom:", dof)