Аналогія з часом на вебсайті
Виявляється, ви вже виконували перевірку гіпотез, аналогічну A/B‑тесту, коли вас цікавить, скільки часу проводять на вебсайті до та після рекламної кампанії. Сила язика жаби (неперервна величина, як і час на вебсайті) — це аналог. «До» = Жаба A, а «після» = Жаба B. Давайте повторимо це з прикладом, який справді є сценарієм «до/після».
Повернімося до набору даних про ноу‑хітери. 1920 року у Major League Baseball запровадили важливі зміни правил, що поклали край так званій ері «мертвого м'яча». Важливо, що подавачам більше не дозволяли плювати на м'яч або дряпати його — це давало їм значну перевагу. У цій задачі ви виконаєте A/B‑тест, щоб з'ясувати, чи призвели ці зміни правил до зменшення частоти ноу‑хітерів (тобто до більшого середнього часу між ними), використовуючи різницю середніх інтервалів між ноу‑хітерами як статистику перевірки. Інтервали між ноу‑хітерами для відповідних періодів збережено в масивах nht_dead і nht_live, де «nht» означає «no‑hitter time» — час до ноу‑хітера.
Оскільки у цій вправі ви використовуватимете вашу функцію draw_perm_reps(), може бути корисно пригадати її сигнатуру виклику: draw_perm_reps(d1, d2, func, size=1) або навіть повернутися до вправи з розділу 3, у якій ви її визначали.
Ця вправа є частиною курсу
Статистичне мислення в Python (Частина 2)
Інструкції до вправи
- Обчисліть спостережувану різницю середніх інтервалів між ноу‑хітерами за допомогою
diff_of_means(). - Згенеруйте 10 000 перестановочних реплік різниці середніх за допомогою
draw_perm_reps(). - Обчисліть і виведіть p-значення.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Compute the observed difference in mean inter-no-hitter times: nht_diff_obs
nht_diff_obs = ____
# Acquire 10,000 permutation replicates of difference in mean no-hitter time: perm_replicates
perm_replicates = ____
# Compute and print the p-value: p
p = ____
print('p-val =', p)