Oran Farkının Anlamlılığı
Bisikletle işe gidip gelmek hâlâ yaygın değil, ancak Washington, DC'nin hatırı sayılır bir payı var. Son birkaç yılda 1 yüzde puandan fazla arttı, peki bu artış istatistiksel olarak anlamlı mı? Bu egzersizde önce bir oranın standart hatasını, ardından oranlar için iki örneklemli Z-istatistiğini hesaplayacaksın.
Bir oranın (SE) standart hatasının formülü:
$$SE_P = \frac{1}{N}\sqrt{SE_n^2 - P^2SE_N^2}$$
İki örneklemli Z-istatistiğinin formülü:
$$Z = \frac{x_1 - x_2}{\sqrt{SE_{x_1}^2 + SE_{x_2}^2}}$$
dc DataFrame'i yüklendi. Konsolda gösterilen sütunlarda, toplam çalışanlar ve bisikletle gidenler için tahminler ("_est" ile biter) ve hata payları ("_moe" ile biter) bulunur.
sqrt fonksiyonu numpy modülünden içe aktarıldı.
Bu egzersiz, kursun bir parçasıdır
Python ile ABD Nüfus Sayımı Verilerini Analiz Etme
Egzersiz talimatları
- Bisiklete binenlerin sayısını toplam çalışan sayısına bölerek
bike_sharedeğerini hesapla - Bisiklete binenlerin ve toplam çalışanların tahmininin SE'sini, MOE'yi
Z_CRIT'e bölerek hesapla - Oranların SE'sini hesapla:
se_bikealtkitle için SE olan \(SE_n\),bike_shareoran \(P\),se_totalise anakitle için SE olan \(SE_N\) - \(Z\)'yi hesapla: \(x_1\) ve \(x_2\) 2017 ve 2011'deki
bike_share; \(SE_{x_1}\) ve \(SE_{x_2}\) ise 2017 ve 2011 içinse_p
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Set the critical Z score for 90% confidence
Z_CRIT = 1.645
# Calculate share of bike commuting
dc["bike_share"] = ____
# Calculate standard errors of the estimate from MOEs
dc["se_bike"] = ____
dc["se_total"] = ____
dc["se_p"] = sqrt(____**2 - ____**2 * ____**2)**0.5 / dc["total_est"]
# Calculate the two sample statistic between 2011 and 2017
Z = (dc[dc["year"] == 2017]["bike_share"] - ____) / \
sqrt(____**2 + ____**2)
print(Z_CRIT < Z)