Kom igångKom igång gratis

Nollhypotes

I den här övningen formulerar vi nollhypotesen som

korta och långa tidslängder har ingen effekt på det totala avstånd som tillryggaläggs.

Vi tolkar "nolleffektstorlek" som att om vi blandar urval mellan korta och långa tider – så att två nya urval vardera innehåller en blandning av korta och långa resor – och sedan beräknar teststatistikan, så blir den i genomsnitt noll.

Ditt mål i den här övningen är att utföra blandningen och resampling. Börja med de fördefinierade group_duration_short och group_duration_long, som är de oblandade tidsgrupperna.

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Använd np.concatenate() för att kombinera de två populationerna, och använd sedan np.random.shuffle() för att blanda värdena i den resulterande behållaren.
  • Dela shuffle_bucket i hälften och använd np.random.choice() för att ta ett nytt urval från varje shuffle_half.
  • Beräkna test_statistic genom att subtrahera resample_half1 från resample_half2.
  • Beräkna effect_size som np.mean() av test_statistic och skriv ut resultatet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____))
Redigera och kör kod