Utföra ett anpassningstest
Stapeldiagrammet över vendor_inco_term tyder på att fördelningen över de fyra kategorierna låg ganska nära den hypotetiska fördelningen. Du behöver utföra ett chi-square-anpassningstest för att avgöra om skillnaderna är statistiskt signifikanta.
Kom ihåg hypoteserna för den här typen av test:
\(H_{0}\): Urvalet stämmer överens med den hypotetiska fördelningen.
\(H_{A}\): Urvalet stämmer inte överens med den hypotetiska fördelningen.
Vi sätter signifikansnivån till 0.1 för att avgöra vilken hypotes vi ska välja.
late_shipments, incoterm_counts och hypothesized från föregående övning finns tillgängliga. chisquare från scipy.stats är inläst.
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.
# Perform a goodness of fit test on the incoterm counts n
gof_test = ____
# Print gof_test results
print(gof_test)