Beräkna ett konfidensintervall
Om du anger en enskild skattning av ett stickprovsstatistik kommer du nästan alltid att ha ett visst fel. Till exempel var den hypotetiserade andelen sena leveranser 6 %. Även om bevisen talar för nollhypotesen – att andelen sena leveranser är lika med detta värde – kommer andelen i ett nytt stickprov troligen att skilja sig något på grund av stickprovsvariabilitet. Därför är det bra att ange ett konfidensintervall. Det innebär att du säger: "vi är 95 % 'säkra' på att andelen sena leveranser ligger mellan A och B" (för något värde på A och B).
Kursen Sampling in Python visade två metoder för att beräkna konfidensintervall. Här använder du kvantiler från bootstrapfördelningen för att beräkna konfidensintervallet.
late_prop_samp och late_shipments_boot_distn finns tillgängliga; pandas och numpy är inlästa med sina vanliga alias.
Den här övningen är en del av kursen
Hypotestestning i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate 95% confidence interval using quantile method
lower = ____
upper = ____
# Print the confidence interval
print((lower, upper))