网站停留时间的类比
事实上，您之前已经做过一个与 A/B 测试类似的假设检验：关注广告投放前后在网站上的停留时间。青蛙舌头拉力（与网站停留时间一样是连续量）就是一个类比示例，其中"之前"= 青蛙 A，"之后"= 青蛙 B。现在我们用一个真正的前后对比场景再练习一次。
我们回到无安打的数据集。1920 年，美国职业棒球大联盟实施了重要的规则变更，结束了所谓的"死球时代"。其中一条关键规定是投手不再被允许向球上吐口水或故意磨损棒球，这些做法此前对投手非常有利。在本题中，您将进行一次 A/B 测试，检验这些规则变化是否导致无安打发生率变慢（即无安打之间的平均时间更长）。我们将使用"平均无安打间隔时间的差值"作为检验统计量。两个时期的无安打间隔时间分别保存在数组 nht_dead 和 nht_live 中，其中 "nht" 表示 "no-hitter time（无安打间隔时间）"。
由于您将在本练习中使用 draw_perm_reps() 函数，建议先回顾一下它的参数签名：draw_perm_reps(d1, d2, func, size=1)，或者返回查看第 3 章中定义它的练习。
本练习是课程的一部分
Python 统计思维（第 2 部分）
练习说明
- 使用
diff_of_means()计算观测到的平均无安打间隔时间差。 - 使用
draw_perm_reps()生成 10,000 个均值差的排列重复。 - 计算并打印 p 值。
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 observed difference in mean inter-no-hitter times: nht_diff_obs
nht_diff_obs = ____
# Acquire 10,000 permutation replicates of difference in mean no-hitter time: perm_replicates
perm_replicates = ____
# Compute and print the p-value: p
p = ____
print('p-val =', p)