Kiểm định giả thuyết: họ có chậm lại không?

Giờ chúng ta sẽ kiểm định giả thuyết không rằng thời gian split của vận động viên bơi không hề tương quan với quãng đường đã bơi. Ta sẽ dùng hệ số tương quan Pearson (tính bằng dcst.pearson_r()) làm thống kê kiểm định.

Bài tập này là một phần của khóa học

Các nghiên cứu tình huống về tư duy thống kê

Xem khóa học

Hướng dẫn bài tập

Tính hệ số tương quan Pearson quan sát được và lưu vào rho.
Dùng np.empty() để khởi tạo mảng 10.000 bản sao hoán vị của hệ số tương quan Pearson, đặt tên là perm_reps_rho.
Viết vòng lặp for để:
- Xáo trộn mảng số thứ tự split bằng np.random.permutation(), đặt tên là scrambled_split_number.
- Tính hệ số tương quan Pearson giữa mảng số thứ tự split đã xáo trộn và thời gian split trung bình, rồi lưu vào perm_reps_rho.
Tính p-value và hiển thị lên màn hình. Hiểu "ít nhất là cực đoan như" nghĩa là hệ số tương quan Pearson lớn ít nhất bằng giá trị quan sát được.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Observed correlation
rho = ____

# Initialize permutation reps
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the split number array
    scrambled_split_number = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / ____
print('p =', p_val)

Chỉnh sửa và Chạy Mã