การทดสอบสมมติฐาน: ผลลัพธ์นี้เกิดขึ้นโดยบังเอิญได้หรือไม่?

การวิเคราะห์ EDA และการถดถอยเชิงเส้นให้ข้อสรุปที่ชัดเจนพอสมควร อย่างไรก็ตาม เพื่อปิดท้ายการวิเคราะห์ปรากฏการณ์ซิกแซก จะทดสอบสมมติฐานที่ว่าการจัดเลนไม่มีความสัมพันธ์กับค่าเฉลี่ยของส่วนต่างเศษส่วนระหว่างเลนคู่และเลนคี่ โดยใช้ permutation test และใช้ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (ซึ่งคำนวณได้ด้วย dcst.pearson_r()) เป็นสถิติทดสอบ ตัวแปร lanes และ f_13 ถูกโหลดไว้ใน namespace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

กรณีศึกษาด้านการคิดเชิงสถิติ

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันที่สังเกตได้ แล้วเก็บไว้ในตัวแปร rho
สร้างอาร์เรย์สำหรับเก็บ permutation replicates จำนวน 10,000 ค่าของ rho โดยใช้ np.empty() และตั้งชื่อว่า perm_reps_rho
เขียน for loop เพื่อดึง permutation replicates
- สับเปลี่ยนอาร์เรย์ lanes โดยใช้ np.random.permutation()
- คำนวณค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันระหว่างอาร์เรย์ lanes ที่สับเปลี่ยนแล้วกับ f_13 แล้วเก็บผลลัพธ์ไว้ใน perm_reps_rho
คำนวณและแสดงค่า p-value โดยนิยาม "สุดโต่งอย่างน้อยเท่ากัน" ว่าค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันมีค่ามากกว่าหรือเท่ากับค่าที่สังเกตได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compute observed correlation: rho
rho = ____

# Initialize permutation reps: perm_reps_rho
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the lanes array: scrambled_lanes
    scrambled_lanes = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)

แก้ไขและรันโค้ด