Trực quan hóa kiểm định độ phù hợp
Kiểm định chi-bình phương độ phù hợp (chi-square goodness of fit) so sánh tỷ lệ của từng mức trong một biến phân loại với các giá trị giả thuyết. Trước khi chạy kiểm định, việc trực quan hóa để so sánh phân phối trong mẫu với phân phối giả thuyết có thể rất hữu ích.
Hãy nhớ lại incoterms của nhà cung cấp trong tập dữ liệu late_shipments. Bạn giả thuyết rằng bốn giá trị xuất hiện với tần suất sau trong quần thể các lô hàng.
CIP: 0.05DDP: 0.1EXW: 0.75FCA: 0.1
Các tần suất này được lưu trong DataFrame hypothesized.
DataFrame incoterm_counts lưu .value_counts() của cột vendor_inco_term.
late_shipments đã có sẵn; pandas và matplotlib.pyplot đã được nạp với các bí danh tiêu chuẩn.
Bài tập này là một phần của khóa học
Kiểm định giả thuyết trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Find the number of rows in late_shipments
n_total = ____
# Print n_total
print(n_total)