Нулевая гипотеза

В этом упражнении мы формулируем нулевую гипотезу следующим образом:

короткая и длинная продолжительность поездок не влияет на общее пройденное расстояние.

Мы интерпретируем «нулевой размер эффекта» так: если перемешать выборки между группами с короткими и длинными поездками, чтобы в каждой из двух новых выборок оказались поездки обоих типов, а затем вычислить тестовую статистику, то в среднем она будет равна нулю.

Ваша задача в этом упражнении — выполнить перемешивание и повторную выборку. Начните с заранее заданных переменных group_duration_short и group_duration_long — это неперемешанные группы по продолжительности поездок.

Это упражнение является частью курса

Введение в линейное моделирование на Python

Посмотреть курс

Инструкции к упражнению

Используйте np.concatenate(), чтобы объединить две совокупности, а затем примените np.random.shuffle() для перемешивания значений в полученном контейнере.
Разделите shuffle_bucket пополам и используйте np.random.choice(), чтобы сформировать повторную выборку для каждой shuffle_half.
Вычислите test_statistic, вычтя resample_half1 из resample_half2.
Вычислите effect_size как np.mean() от test_statistic и выведите результат на экран.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____))

Редактировать и запускать код