Kom igångKom igång gratis

Hypotestest: saktar de ner?

Nu ska vi testa nollhypotesen att simmarens deltidstid inte alls korrelerar med hur långt de har simmat. Vi använder Pearsons korrelationskoefficient (beräknad med dcst.pearson_r()) som teststatistika.

Den här övningen är en del av kursen

Fallstudier i statistiskt tänkande

Visa kurs

Övningsinstruktioner

  • Beräkna den observerade Pearson-korrelationen och lagra den som rho.
  • Använd np.empty() för att initiera en array med 10 000 permutationsreplikat av Pearson-korrelationen och ge den namnet perm_reps_rho.
  • Skriv en for-slinga som:
    • Slumpar om arrayen med deltidsnummer med hjälp av np.random.permutation() och ger den namnet scrambled_split_number.
    • Beräknar Pearsons korrelationskoefficient mellan den omslumpade deltidsnummerarryen och de genomsnittliga deltidstiderna, och lagrar resultatet i perm_reps_rho.
  • Beräkna p-värdet och visa det på skärmen. Tolka "minst lika extremt som" som att Pearson-korrelationen är minst lika stor som det observerade värdet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod