1. Learn
    2. /
  2. Cursuri
    3. /
  3. Wprowadzenie do modelowania liniowego w Pythonie
Connected

exercițiu

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().

Instrucțiuni

100 XP
  • Użyj compute_test_statistic(), aby obliczyć test_statistic_unshuffled na podstawie group_duration_short i group_duration_long, a następnie użyj np.mean(), aby wyznaczyć wielkość efektu.
  • Użyj shuffle_and_split(), aby utworzyć shuffle_half1 i shuffle_half2, a następnie użyj compute_test_statistic(), aby obliczyć test_statistic_shuffled.
  • Utwórz maskę logiczną condition dla wartości test_statistic_shuffled większych lub równych effect_size, a następnie użyj tej maski do obliczenia p_value.
  • Wyświetl p_value i narysuj obie statystyki testowe za pomocą plot_test_statistic_effect().