การคำนวณ z-score
เนื่องจากตัวแปรแต่ละตัวมีช่วงค่าและหน่วยที่แตกต่างกัน เราจึงต้องทำการ standardize ก่อน ตัวอย่างเช่น หากผลการทดสอบสมมติฐานเปลี่ยนไปตามหน่วยของตัวแปร (เช่น ยูโรแทนดอลลาร์สหรัฐ) การทดสอบนั้นก็ไม่มีประโยชน์ การ standardize ช่วยแก้ปัญหานี้ได้
ค่าที่ผ่านการ standardize แล้วที่สำคัญในการทดสอบสมมติฐานเรียกว่า z-score ในการคำนวณ ต้องใช้ตัวเลข 3 ค่า ได้แก่ ค่าสถิติจากตัวอย่าง (point estimate) ค่าสถิติตามสมมติฐาน และค่า standard error ของสถิตินั้น (ประมาณจาก bootstrap distribution)
ค่าสถิติจากตัวอย่างอยู่ในตัวแปร late_prop_samp
late_shipments_boot_distn คือ bootstrap distribution ของสัดส่วนการจัดส่งที่ล่าช้า ซึ่งอยู่ในรูปแบบ list
pandas และ numpy ถูกโหลดไว้แล้วพร้อม alias ตามปกติ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การทดสอบสมมติฐานด้วย Python
คำแนะนำการฝึกหัด
- กำหนดสมมติฐานว่าสัดส่วนการจัดส่งที่ล่าช้าอยู่ที่ 6%
- คำนวณ standard error จาก standard deviation ของ bootstrap distribution
- คำนวณ z-score
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Hypothesize that the proportion is 6%
late_prop_hyp = ____
# Calculate the standard error
std_error = ____
# Find z-score of late_prop_samp
z_score = ____
# Print z_score
print(z_score)