开始使用免费开始使用

假设检验：他们在变慢吗？

现在我们来检验原假设：游泳运动员的分段用时与其所在的游程距离完全不相关。我们将使用皮尔逊相关系数（通过 dcst.pearson_r() 计算）作为检验统计量。

本练习是课程的一部分

统计思维案例研习

查看课程

练习说明

  • 计算观测到的皮尔逊相关系数，并保存为 rho。
  • 使用 np.empty() 初始化包含 10,000 个皮尔逊相关系数置换重复的数组，命名为 perm_reps_rho。
  • 编写一个 for 循环：
    • 使用 np.random.permutation() 打乱分段编号数组，命名为 scrambled_split_number。
    • 计算打乱后的分段编号数组与平均分段用时之间的皮尔逊相关系数，并存入 perm_reps_rho。
  • 计算 p 值并在屏幕上显示。这里"至少同样极端"指皮尔逊相关系数至少与观测值一样大。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)
编辑并运行代码