Wizualizacja wartości p
W tym ćwiczeniu zwizualizujesz wartość p, czyli prawdopodobieństwo, że zaobserwowany efekt (lub „prędkość"), który oszacowano, był wynikiem losowej zmienności w próbce. Twoim celem jest przedstawienie tego jako ułamka punktów w rozkładzie przetasowanej statystyki testowej, które leżą na prawo od średniej statystyki testowej ("wielkości efektu") obliczonej z nieprzetasowanych próbek.
Na dobry początek załadowaliśmy już group_duration_short i group_duration_long oraz funkcje compute_test_statistic(), shuffle_and_split() i plot_test_statistic_effect().
To ćwiczenie jest częścią kursu
Wprowadzenie do modelowania liniowego w Pythonie
Instrukcje do ćwiczenia
- Użyj
compute_test_statistic(), aby obliczyćtest_statistic_unshuffledna podstawiegroup_duration_shortigroup_duration_long, a następnie użyjnp.mean(), aby wyznaczyć wielkość efektu. - Użyj
shuffle_and_split(), aby utworzyćshuffle_half1ishuffle_half2, a następnie użyjcompute_test_statistic(), aby obliczyćtest_statistic_shuffled. - Utwórz maskę logiczną
conditiondla wartościtest_statistic_shuffledwiększych lub równycheffect_size, a następnie użyj tej maski do obliczeniap_value. - Wyświetl
p_valuei narysuj obie statystyki testowe za pomocąplot_test_statistic_effect().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute the test stat distribution and effect size for two population groups
test_statistic_unshuffled = compute_test_statistic(____, ____)
effect_size = np.mean(____)
# Randomize the two populations, and recompute the test stat distribution
shuffled_half1, ____ = shuffle_and_split(group_duration_short, ____)
test_statistic_shuffled = compute_test_statistic(shuffled_half1, ____)
# Compute the p-value as the proportion of shuffled test stat values >= the effect size
condition = ____ >= ____
p_value = len(test_statistic_shuffled[____]) / len(test_statistic_shuffled)
# Print p-value and overplot the shuffled and unshuffled test statistic distributions
print("The p-value is = {}".format(____))
fig = plot_test_stats_and_pvalue(test_statistic_unshuffled, test_statistic_shuffled)