Kom igångKom igång gratis

Implementera en randomiserad blockdesign

Tillverkningsföretaget du tidigare arbetat med vill fortsätta genomföra experiment om arbetarproduktivitet. Tidigare tilldelades de två blocken slumpmässigt. Det kan fungera, men det är ofta bättre att gruppera försöksdeltagarna utifrån liknande egenskaper.

Samma anställda är inlästa igen, men den här gången i en DataFrame kallad productivity som även inkluderar 1 200 kollegor. Den innehåller också en kolumn 'productivity_score' baserad på antal producerade enheter per timme. Den kolumnen har delats in i tre grupper för att skapa block med liknande produktivitetsvärden. Företaget vill tillämpa ett nytt incitamentsprogram med tre alternativ ('Bonus', 'Profit Sharing' och 'Work from Home') i hela organisationen, med slumpmässig tilldelning av behandling.

numpy och pandas är inlästa som np respektive pd.

Den här övningen är en del av kursen

Experimentell design i Python

Visa kurs

Övningsinstruktioner

  • Blanda blocken för att skapa en ny DataFrame kallad prod_df.
  • Återställ indexet så att block inte är både ett index och en kolumn.
  • Tilldela slumpmässigt de tre behandlingsvärdena i kolumnen 'Treatment'.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Randomly assign workers to blocks
prod_df = productivity.____('____').apply(
  lambda x: x.____(____)
)

# Reset the index
prod_df = prod_df.____(____)

# Assign treatment randomly
prod_df['Treatment'] = np.random.choice(
  ['____', '____', '____'],
  size=len(____)
)
Redigera och kör kod