Cálculo do intervalo de confiança
Se você apresentar uma única estimativa de uma estatística amostral, é provável que esteja sujeito a algum grau de erro. Por exemplo: a proporção hipotética de remessas atrasadas foi de 6%. Mesmo que as evidências sugiram a hipótese nula de que a proporção de remessas atrasadas é igual a essa, em qualquer nova amostra de remessas, a proporção provavelmente será um pouco diferente devido à variabilidade da amostragem. Consequentemente, convém indicar um intervalo de confiança. Isso significa dizer: "Temos 95% de confiança de que a proporção de remessas atrasadas está entre A e B" (para algum valor de A e B).
A amostragem em Python demonstrou dois métodos para calcular intervalos de confiança. Aqui, você usará os quantis da distribuição bootstrap para calcular o intervalo de confiança.
late_prop_samp e late_shipments_boot_distn já estão disponíveis; pandas e numpy foram carregados com os nomes alternativos usuais.
Este exercício faz parte do curso
Teste de hipóteses em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))