Obliczanie przedziału ufności
Jeśli podasz pojedynczą wartość estymowanej statystyki próby, na pewno będzie ona obarczona pewnym błędem. Na przykład hipotetyczny odsetek opóźnionych przesyłek wynosił 6%. Nawet jeśli wyniki sugerują, że nie ma podstaw do odrzucenia hipotezy zerowej o równości tego odsetka, w każdej nowej próbie przesyłek proporcja prawdopodobnie nieznacznie się różni ze względu na zmienność próbkowania. Dlatego dobrą praktyką jest podanie przedziału ufności. Innymi słowy, stwierdzasz: „z 95-procentową pewnością odsetek opóźnionych przesyłek mieści się między A a B" (gdzie A i B to konkretne wartości).
W kursie Sampling in Python pokazano dwie metody obliczania przedziałów ufności. Tutaj użyjesz kwantyli rozkładu bootstrapowego do obliczenia przedziału ufności.
Dostępne są late_prop_samp i late_shipments_boot_distn; biblioteki pandas i numpy są załadowane ze standardowymi aliasami.
To ćwiczenie jest częścią kursu
Testowanie hipotez w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))