1. Learn
    2. /
  2. Courses
    3. /
  3. Nhập môn Mô hình tuyến tính với Python
Connected

Exercise

Trực quan hóa P-Value

Trong bài tập này, bạn sẽ trực quan hóa p-value — xác suất cho rằng hiệu ứng (hay "tốc độ") mà chúng ta ước lượng được chỉ là kết quả của biến thiên ngẫu nhiên trong mẫu. Mục tiêu của bạn là biểu diễn điều này như tỷ lệ các điểm trong phân phối thống kê kiểm định đã xáo trộn rơi về phía bên phải của giá trị trung bình của thống kê kiểm định ("kích thước hiệu ứng") được tính từ các mẫu chưa xáo trộn.

Để bạn bắt đầu, chúng tôi đã nạp sẵn group_duration_short và group_duration_long cùng các hàm compute_test_statistic(), shuffle_and_split(), và plot_test_statistic_effect()

Instructions

100 XP
  • Dùng compute_test_statistic() để lấy test_statistic_unshuffled từ group_duration_short và group_duration_long; sau đó dùng np.mean() để tính kích thước hiệu ứng.
  • Dùng shuffle_and_split() để tạo shuffle_half1 và shuffle_half2, rồi dùng compute_test_statistic() để tính test_statistic_shuffled.
  • Tạo một mặt nạ boolean condition sao cho các giá trị test_statistic_shuffled lớn hơn hoặc bằng effect_size, rồi dùng mặt nạ này để tính p_value.
  • In p_value và vẽ cả hai thống kê kiểm định bằng plot_test_statistic_effect().