可视化 P 值
在本练习中，您将可视化 p 值，即我们估计到的效应（或"速度"）由样本中的随机波动造成的概率。您的目标是将其可视化为：在打乱后的检验统计量分布中，落在未打乱样本计算得到的检验统计量均值（"效应量"）右侧的点所占的比例。
为便于开始，我们已预加载了 group_duration_short、group_duration_long，以及函数 compute_test_statistic()、shuffle_and_split() 和 plot_test_statistic_effect()。
本练习是课程的一部分
Python 线性建模入门
练习说明
- 使用
compute_test_statistic()基于group_duration_short和group_duration_long得到test_statistic_unshuffled，然后用np.mean()计算效应量。 - 使用
shuffle_and_split()生成shuffle_half1和shuffle_half2，并用compute_test_statistic()计算test_statistic_shuffled。 - 创建布尔掩码
condition，筛选test_statistic_shuffled中大于等于effect_size的值，然后用该掩码计算p_value。 - 打印
p_value，并使用plot_test_statistic_effect()同时绘制两个检验统计量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compute the test stat distribution and effect size for two population groups
test_statistic_unshuffled = compute_test_statistic(____, ____)
effect_size = np.mean(____)
# Randomize the two populations, and recompute the test stat distribution
shuffled_half1, ____ = shuffle_and_split(group_duration_short, ____)
test_statistic_shuffled = compute_test_statistic(shuffled_half1, ____)
# Compute the p-value as the proportion of shuffled test stat values >= the effect size
condition = ____ >= ____
p_value = len(test_statistic_shuffled[____]) / len(test_statistic_shuffled)
# Print p-value and overplot the shuffled and unshuffled test statistic distributions
print("The p-value is = {}".format(____))
fig = plot_test_stats_and_pvalue(test_statistic_unshuffled, test_statistic_shuffled)