Hipótese nula

Neste exercício, formulamos a hipótese nula como

durações de tempo curtas e longas não têm efeito sobre a distância total percorrida.

Interpretamos o "tamanho de efeito zero" como: se embaralharmos amostras entre tempos curtos e longos, de modo que duas novas amostras tenham uma mistura de viagens de curta e longa duração, e então calcularmos a estatística de teste, em média ela será zero.

Neste exercício, seu objetivo é realizar o embaralhamento e a reamostragem. Comece com group_duration_short e group_duration_long, que são os grupos de duração de tempo sem embaralhamento.

Este exercicio faz parte do curso

Introdução à Modelagem Linear em Python

Ver curso

Instruções do exercicio

Use np.concatenate() para combinar as duas populações e, em seguida, use np.random.shuffle() para embaralhar os valores dentro desse contêiner.
Faça o fatiamento de shuffle_bucket ao meio e use np.random.choice() para reamostrar cada shuffle_half.
Calcule a test_statistic subtraindo resample_half1 de resample_half2.
Calcule o effect_size como o np.mean() de test_statistic e imprima o resultado.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Shuffle the time-ordered distances, then slice the result into two populations.
shuffle_bucket = np.____((group_duration_short, group_duration_long))
np.random.shuffle(____)
slice_index = len(shuffle_bucket)//2
shuffled_half1 = shuffle_bucket[0:____]
shuffled_half2 = shuffle_bucket[____:]

# Create new samples from each shuffled population, and compute the test statistic
resample_half1 = np.random.choice(____, size=500, replace=____)
resample_half2 = np.random.choice(____, size=500, replace=____)
test_statistic = ____ - ____

# Compute and print the effect size
effect_size = np.mean(____)
print('Test Statistic, after shuffling, mean = {}'.format(____))

Editar e Executar Código