ÎncepețiÎncepe gratuit

Test de ipoteză pe corelația Pearson

Corelația observată dintre rata de analfabetism în rândul femeilor și fertilitate ar putea fi pur și simplu întâmplătoare; fertilitatea unei țări ar putea fi, de fapt, complet independentă de rata de analfabetism. Vei testa această ipoteză. Pentru aceasta, permută valorile illiteracy, lăsând valorile fertility fixe. Astfel simulezi ipoteza că cele două variabile sunt complet independente una de cealaltă. Pentru fiecare permutare, calculează coeficientul de corelație Pearson și evaluează câte dintre replicile de permutare au un coeficient de corelație Pearson mai mare decât cel observat.

Funcția pearson_r() pe care ai scris-o în cursul anterior pentru calculul coeficientului de corelație Pearson este deja disponibilă.

Acest exercițiu face parte din cursul

Gândire statistică în Python (Partea 2)

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează corelația Pearson observată dintre illiteracy și fertility.
  • Inițializează un array în care să stochezi replicile de permutare.
  • Scrie o buclă for pentru a genera 10.000 de replici:
    • Permută valorile illiteracy folosind np.random.permutation().
    • Calculează corelația Pearson dintre array-ul permutate illiteracy_permuted și fertility.
  • Calculează și afișează valoarea p obținută din replici.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute observed correlation: r_obs
r_obs = ____

# Initialize permutation replicates: perm_replicates
perm_replicates = np.empty(10000)

# Draw replicates
for ____ in ____:
    # Permute illiteracy measurments: illiteracy_permuted
    illiteracy_permuted = ____

    # Compute Pearson correlation
    perm_replicates[i] = ____

# Compute p-value: p
p = ____
print('p-val =', p)
Editează și rulează codul