開始使用免費開始

假設檢定：他們有變慢嗎？

現在要檢定虛無假設：選手的分段時間與游程中的距離毫無相關。我們會使用 Pearson 相關係數（透過 dcst.pearson_r() 計算）作為檢定統計量。

本練習屬於課程

統計思維個案研究

檢視課程

練習說明

  • 計算觀察到的 Pearson 相關，存成 rho。
  • 使用 np.empty() 初始化一個包含 10,000 次 Pearson 相關之排列重抽的陣列，命名為 perm_reps_rho。
  • 撰寫一個 for 迴圈，執行：
    • 使用 np.random.permutation() 打亂分段編號陣列，命名為 scrambled_split_number。
    • 計算打亂後的分段編號陣列與平均分段時間之間的 Pearson 相關係數，並將結果存入 perm_reps_rho。
  • 計算 p 值並在畫面上顯示。此處「至少一樣極端」的意思是指 Pearson 相關至少與觀察到的一樣大。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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)
編輯並執行程式碼