BaşlayınÜcretsiz başlayın

Pearson korelasyonu üzerinde hipotez testi

Kadın okuryazarlık eksikliği ile doğurganlık arasındaki gözlenen korelasyon sadece şans eseri olabilir; bir ülkenin doğurganlığı aslında okuryazarlık eksikliğinden tamamen bağımsız olabilir. Bu hipotezi test edeceksin. Bunu yapmak için, okuryazarlık eksikliği değerlerini permüte et ama doğurganlık değerlerini sabit tut. Bu, aralarında tamamen bağımsızlık olduğu hipotezini simüle eder. Her permütasyon için Pearson korelasyon katsayısını hesapla ve permütasyon çoğaltımlarının kaç tanesinde Pearson korelasyon katsayısı gözlenen değerden daha büyük olduğunu değerlendir.

Pearson korelasyon katsayısını hesaplamak için bu kursun bir önceki bölümünde yazdığın pearson_r() fonksiyonu zaten senin için hazır.

Bu egzersiz, kursun bir parçasıdır

Python ile İstatistiksel Düşünme (Bölüm 2)

Kursa Göz Atın

Egzersiz talimatları

  • illiteracy ile fertility arasındaki gözlenen Pearson korelasyonunu hesapla.
  • Permütasyon çoğaltımlarını saklamak için bir dizi başlat.
  • 10.000 çoğaltım üretmek için bir for döngüsü yaz:
    • np.random.permutation() kullanarak illiteracy ölçümlerini permüte et.
    • Permüte edilmiş okuryazarlık dizisi illiteracy_permuted ile fertility arasındaki Pearson korelasyonunu hesapla.
  • Çoğaltımlardan p-değerini hesaplayıp yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Compute observed correlation: r_obs
r_obs = ____

# Initialize permutation replicates: perm_replicates
perm_replicates = np.empty(10000)

# Draw replicates
for ____ in ____:
    # Permute illiteracy measurments: illiteracy_permuted
    illiteracy_permuted = ____

    # Compute Pearson correlation
    perm_replicates[i] = ____

# Compute p-value: p
p = ____
print('p-val =', p)
Kodu Düzenle ve Çalıştır