Zacznij terazZacznij za darmo

Analiza skośnych danych za pomocą testu permutacyjnego

Testy permutacyjne sprawdzają się w sytuacjach, które nie spełniają założeń znanych ci testów hipotez. W tym ćwiczeniu zaimplementujesz test permutacyjny przy użyciu pakietu statsmodels.

Chcesz porównać średnią liczbę rund finansowania między firmami z branży analitycznej a wszystkimi pozostałymi spółkami finansowanymi przez venture capital. Choć możesz mieć ochotę sięgnąć po test t, liczba rund finansowania z pewnością nie ma rozkładu normalnego. Większość firm przeszła tylko jedną rundę, a liczba firm z dwiema rundami lub więcej gwałtownie maleje.

Następujące obiekty zostały już wczytane:

  • analytics_df – dane dotyczące wszystkich firm analitycznych
  • non_analytics_df – dane dotyczące wszystkich pozostałych firm spoza branży analitycznej

To ćwiczenie jest częścią kursu

Podstawy wnioskowania statystycznego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zdefiniuj funkcję statystyki, która dla dwóch próbek fundings_group_1 i fundings_group_2 zwraca różnicę średniej liczby funding_rounds.
  • Przeprowadź test permutacyjny, używając kolumny funding_rounds z każdego zbioru danych, zdefiniowanej funkcji statystyki oraz 100 prób losowania.
  • Wyświetl wartość p uzyskaną w wyniku testu permutacyjnego.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Write a "statistic" function which calculates the difference in means
def statistic(funding_group_1, funding_group_2):
  return ____(fundings_group_1) - ____(funding_group_2)

# Conduct a permutation test using 100 resamples
perm_result = stats.permutation_test((____['funding_rounds'], ____['funding_rounds']),
                                    statistic=____,
                                    n_resamples=____,
                                    vectorized=____)

# Print the p-value
____(____.pvalue)
Edytuj i uruchom kod