НачатьНачать бесплатно

Размер эффекта для средних значений

Многие компании, получившие венчурное финансирование, проходят через несколько раундов. Как правило, второй раунд крупнее первого. Но насколько значимо влияние номера раунда на среднюю сумму финансирования? Ответить на этот вопрос поможет d Коэна.

Для вычисления d Коэна нужно сначала найти объединённое стандартное отклонение по формуле:

Затем d Коэна вычисляется по формуле:

Для вас уже загружен DataFrame с венчурными инвестициями (investments_df), а также библиотеки: pandas как pd, NumPy как np и stats из SciPy. Столбец funding_total_usd содержит общую сумму финансирования, полученную в данном раунде.

Это упражнение является частью курса

Основы статистического вывода на Python

Посмотреть курс

Инструкции к упражнению

  • Отфильтруйте investments_df, чтобы выбрать funding_rounds 1 и 2 по отдельности.
  • Вычислите стандартное отклонение и размер выборки для каждого раунда.
  • Вычислите объединённое стандартное отклонение для двух раундов.
  • Вычислите d Коэна, используя полученные значения.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]

# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]

# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))

# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____
Редактировать и запускать код