Розмір ефекту для середніх
Багато компаній із венчурною підтримкою отримують більше ніж один раунд фінансування. Зазвичай другий раунд більший за перший. Наскільки сильно номер раунду впливає на середню суму фінансування? Це можна кількісно оцінити за допомогою коефіцієнта d Когена.
Нагадаємо: щоб обчислити d Когена, спочатку потрібно знайти об'єднане стандартне відхилення. Воно задається рівнянням
Потім d Когена дорівнює:
Датафрейм інвестицій венчурного капіталу (investments_df) уже завантажено, так само як і бібліотеки pandas як pd, NumPy як np та stats зі SciPy. Стовпець funding_total_usd показує загальну суму фінансування в цьому раунді.
Ця вправа є частиною курсу
Основи інференції в Python
Інструкції до вправи
- Відфільтруйте
investments_df, окремо вибравшиfunding_rounds1 та 2. - Обчисліть стандартне відхилення та розмір вибірки для кожного раунду.
- Обчисліть об'єднане стандартне відхилення між двома раундами.
- Обчисліть d Когена, використовуючи щойно обчислені величини.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Select all investments from rounds 1 and 2 separately
round1_df = investments_df[____['funding_rounds'] == ____]
round2_df = investments_df[____['funding_rounds'] == ____]
# Calculate the standard deviation of each round and the number of companies in each round
round1_sd = ____.std()
round2_sd = ____.std()
round1_n = ____.shape[0]
round2_n = ____.shape[0]
# Calculate the pooled standard deviation between the two rounds
pooled_sd = np.sqrt(((____ - 1) * ____ ** 2 + (____ - 1) *____ ** 2) / (____ + ____ - 2))
# Calculate Cohen's d
d = (____.mean() - ____.mean()) / ____