Проверка гипотезы: замедляются ли пловцы?

Теперь проверим нулевую гипотезу о том, что время отрезка пловца никак не коррелирует с дистанцией, которую он уже преодолел. В качестве тестовой статистики воспользуемся коэффициентом корреляции Пирсона (вычисляемым с помощью dcst.pearson_r()).

Это упражнение является частью курса

Примеры применения статистического мышления

Посмотреть курс

Инструкции к упражнению

Вычислите наблюдаемую корреляцию Пирсона и сохраните её в переменной rho.
С помощью np.empty() инициализируйте массив из 10 000 перестановочных реплик коэффициента корреляции Пирсона и назовите его perm_reps_rho.
Напишите цикл for, в котором:
- перемешайте массив номеров отрезков с помощью np.random.permutation() и сохраните результат в scrambled_split_number;
- вычислите коэффициент корреляции Пирсона между перемешанным массивом номеров отрезков и средним временем отрезков и сохраните его в perm_reps_rho.
Вычислите p-значение и выведите его на экран. Под условием «не менее экстремальный» понимайте, что коэффициент корреляции Пирсона не меньше наблюдаемого значения.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Observed correlation
rho = ____

# Initialize permutation reps
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the split number array
    scrambled_split_number = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / ____
print('p =', p_val)

Редактировать и запускать код