Kiểm định giả thuyết: liệu chỉ là ngẫu nhiên?
Phân tích EDA và hồi quy tuyến tính đã cho kết luận khá thuyết phục. Tuy vậy, bạn sẽ hoàn tất phân tích hiệu ứng zigzag bằng cách kiểm định giả thuyết rằng việc phân làn không liên quan đến chênh lệch trung bình theo phần giữa làn chẵn và lẻ, sử dụng kiểm định hoán vị. Bạn sẽ dùng hệ số tương quan Pearson, có thể tính bằng dcst.pearson_r(), làm thống kê kiểm định. Các biến lanes và f_13 đã có sẵn trong không gian làm việc của bạn.
Bài tập này là một phần của khóa học
Các nghiên cứu tình huống về tư duy thống kê
Hướng dẫn bài tập
- Tính hệ số tương quan Pearson quan sát được và lưu vào
rho. - Khởi tạo một mảng để lưu 10.000 bản sao hoán vị của
rhobằngnp.empty(). Đặt tên mảng làperm_reps_rho. - Viết vòng lặp
forđể sinh các bản sao hoán vị.- Xáo trộn mảng
lanesbằngnp.random.permutation(). - Tính hệ số tương quan Pearson giữa mảng
lanesđã xáo vàf_13. Lưu kết quả vàoperm_reps_rho.
- Xáo trộn mảng
- Tính và in p-value. Hiểu "ít nhất là cực đoan như" nghĩa là hệ số tương quan Pearson lớn hơn hoặc 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.
# Compute observed correlation: rho
rho = ____
# Initialize permutation reps: perm_reps_rho
perm_reps_rho = ____
# Make permutation reps
for i in range(10000):
# Scramble the lanes array: scrambled_lanes
scrambled_lanes = ____
# Compute the Pearson correlation coefficient
____[i] = ____
# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)