Obliczanie z-score
Ponieważ zmienne mają różne zakresy i jednostki, trzeba je standaryzować. Wyobraź sobie test hipotezy, który dawałby różne wyniki w zależności od tego, czy wartości są wyrażone w euro, czy w dolarach – taki test byłby bezużyteczny. Standaryzacja eliminuje ten problem.
Jedną z kluczowych standaryzowanych wartości w teście hipotezy jest z-score. Aby go obliczyć, potrzebne są trzy liczby: statystyka z próby (estymator punktowy), statystyka zakładana w hipotezie oraz błąd standardowy statystyki (szacowany na podstawie rozkładu bootstrapowego).
Statystyka z próby jest dostępna jako late_prop_samp.
late_shipments_boot_distn to rozkład bootstrapowy proporcji opóźnionych przesyłek, dostępny jako lista.
pandas i numpy są załadowane ze swoimi standardowymi aliasami.
To ćwiczenie jest częścią kursu
Testowanie hipotez w Pythonie
Instrukcje do ćwiczenia
- Przyjmij hipotezę, że proporcja opóźnionych przesyłek wynosi 6%.
- Oblicz błąd standardowy na podstawie odchylenia standardowego rozkładu bootstrapowego.
- Oblicz z-score.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Hypothesize that the proportion is 6%
late_prop_hyp = ____
# Calculate the standard error
std_error = ____
# Find z-score of late_prop_samp
z_score = ____
# Print z_score
print(z_score)