Tarefa nist_anova.smls04.tool

Veredito

Pergunta feita ao analista

Tarefa de ferramenta: nenhuma pergunta; a especificação de referência é chamada direto.

Como o agente resolveu e como foi validado

Resumo passo a passo do que o agente executou, por que o caminho está correto e como cada verificação conferiu o resultado.

1. 1Preparação da base de dados
   d— NIST StRD SmLs04: 189 observations; treatment = the treatment level (1 to 9), response = the response, treatment_2 … treatment_9 = 1 when the row is at that treatment level (level 1 is the reference)
   Transformação "dummies" aplicada à base "d" (189 → 189 linhas). {"column":"treatment","drop_first":true,"prefix":"treatment"}
2. 2Chamada que gerou a resposta finalinfer.linear_hypothesis(Teste de hipótese linear conjunta (estatística F / Wald))citada na respostacoincide com a referência

   Ver chamada call_a301460d nos detalhes
   Argumentos principais

   dataset:

   "d"

   hypothesis:

   "treatment_2 = 0, treatment_3 = 0, treatment_4 = 0, treatment_5 = 0, treatment_6 = 0, treatment_7 = 0, treatment_8 = 0, treatment_9 = 0"

   se:

   "classical"

   x:

   ["treatment_2","treatment_3","treatment_4","treatment_5","treatment_6","treatment_7","treatment_8","treatment_9"]

   y:

   "response"

   Resultado calculado

   • F = 21 21.000000000776094
     F statistic of treatment_2 = 0; treatment_3 = 0; treatment_4 = 0; treatment_5 = 0; treatment_6 = 0; treatment_7 = 0; treatment_8 = 0; treatment_9 = 0
   • p_value = 0,000000000000000000000258326probabilidade 2.5832643332657163e-22
     p-value of treatment_2 = 0; treatment_3 = 0; treatment_4 = 0; treatment_5 = 0; treatment_6 = 0; treatment_7 = 0; treatment_8 = 0; treatment_9 = 0
   Diagnósticos: statistic = "F" (F = W/m against F(m, n − k)) · df_numerator = 88 (number of restrictions) · df_denominator = 180180 (residual degrees of freedom n − k) · se_type = "classical" (classical (homoskedastic) standard errors) · n_obs = 189189
3. 3Conferência de lastro e resposta final
   • ✓
     #0situação da ferramenta

     Verifica a situação de retorno da ferramenta.
   • ✓
     #1diagnósticodf_numerator

     certified between-treatment df
   • ✓
     #2diagnósticodf_denominator

     certified within-treatment df
   • ✓
     #3dígitos corretos (LRE)F

     certified F statistic

Valores esperados e de onde vêm

Verificações

Caminho de referência e caminho do agente

A chamada de referência ao lado da chamada que deu a resposta, argumento por argumento.

Trajetória

Cada evento na ordem em que aconteceu: turnos do modelo, chamadas de ferramentas, guardas, transformações e pontuação.

1. 0Início

   Tarefa de ferramenta: nenhuma pergunta; a especificação de referência é chamada direto.

   d (agent)

   NIST StRD SmLs04: 189 observations; treatment = the treatment level (1 to 9), response = the response, treatment_2 … treatment_9 = 1 when the row is at that treatment level (level 1 is the reference)

   file 7c8f87a60245f5c7467418a7725855cce71608273964966e5da954c22ad5fa57 · frame —

   1. dummies {"column":"treatment","drop_first":true,"prefix":"treatment"}
2. 1Transformação
   d · dummies {"column":"treatment","drop_first":true,"prefix":"treatment"}

   189 → 189 linhas

   Frame antes → depois: 64a4fbf2d3f5 → 95fa0f327dad
3. 2Ferramenta
   infer.linear_hypothesis— Teste de hipótese linear conjunta (estatística F / Wald)v0.1.0call_a301460ddecidido pelo códigoreexecutável

   Argumentos

   {
     "cluster": null,
     "dataset": "d",
     "hypothesis": "treatment_2 = 0, treatment_3 = 0, treatment_4 = 0, treatment_5 = 0, treatment_6 = 0, treatment_7 = 0, treatment_8 = 0, treatment_9 = 0",
     "se": "classical",
     "subset": null,
     "x": [
       "treatment_2",
       "treatment_3",
       "treatment_4",
       "treatment_5",
       "treatment_6",
       "treatment_7",
       "treatment_8",
       "treatment_9"
     ],
     "y": "response"
   }

   Figuras call_a301460d

   Chave	Valor	Valor bruto	Erro-padrão	IC
   F F statistic of treatment_2 = 0; treatment_3 = 0; treatment_4 = 0; treatment_5 = 0; treatment_6 = 0; treatment_7 = 0; treatment_8 = 0; treatment_9 = 0	21	21.000000000776094	—	—
   p_value p-value of treatment_2 = 0; treatment_3 = 0; treatment_4 = 0; treatment_5 = 0; treatment_6 = 0; treatment_7 = 0; treatment_8 = 0; treatment_9 = 0	0,000000000000000000000258326probabilidade	2.5832643332657163e-22	—	—

   Diagnósticos

   • statistic = "F" (F = W/m against F(m, n − k))
   • df_numerator = 88 (number of restrictions)
   • df_denominator = 180180 (residual degrees of freedom n − k)
   • se_type = "classical" (classical (homoskedastic) standard errors)
   • n_obs = 189189
   • n_clusters = — (errors not clustered)

   Derivação matemática e pressupostos

   F

   1. Estatística de Wald das 8 restrições, com a covariância classical (homoskedastic) standard errors.→ 168 (168.00000000620875)
   2. Estatística F: a de Wald dividida pelo número de restrições.F = W / m→ 21 (21.000000000776094)

   p_value

   1. Probabilidade de uma F(8, 180) exceder a estatística observada.→ 0,000000000000000000000258326 (2.5832643332657163e-22)

   Pressupostos do estimador

   • errors are independent and have the same variance for every observation

   Tabelas (2)

   {
     "coefficients": [
       {
         "ci_high": 1000000.4430594267,
         "ci_low": 1000000.3569405733,
         "coef": 1000000.4,
         "p": 0,
         "se": 0.021821789024163773,
         "t": 45825775.27867566,
         "term": "Intercept"
       },
       {
         "ci_high": -0.03910477478089837,
         "ci_low": -0.16089522528340722,
         "coef": -0.1000000000321528,
         "p": 0.0014220432078437882,
         "se": 0.03086066999321675,
         "t": -3.2403703501619714,
         "term": "treatment_2"
       },
       {
         "ci_high": 0.16089522522797134,
         "ci_low": 0.03910477472546252,
         "coef": 0.09999999997671694,
         "p": 0.0014220432163041378,
         "se": 0.030860669993216742,
         "t": 3.2403703483656447,
         "term": "treatment_3"
       },
       {
         "ci_high": -0.039104774780898334,
         "ci_low": -0.16089522528340727,
         "coef": -0.1000000000321528,
         "p": 0.001422043207843797,
         "se": 0.030860669993216766,
         "t": -3.2403703501619696,
         "term": "treatment_4"
       },
       {
         "ci_high": 0.1608952252279714,
         "ci_low": 0.03910477472546249,
         "coef": 0.09999999997671694,
         "p": 0.0014220432163041439,
         "se": 0.030860669993216756,
         "t": 3.2403703483656434,
         "term": "treatment_5"
       },
       {
         "ci_high": -0.03910477478089833,
         "ci_low": -0.16089522528340727,
         "coef": -0.1000000000321528,
         "p": 0.0014220432078438003,
         "se": 0.03086066999321677,
         "t": -3.240370350161969,
         "term": "treatment_6"
       },
       {
         "ci_high": 0.1608952252279714,
         "ci_low": 0.03910477472546248,
         "coef": 0.09999999997671694,
         "p": 0.0014220432163041471,
         "se": 0.030860669993216763,
         "t": 3.2403703483656425,
         "term": "treatment_7"
       },
       {
         "ci_high": -0.039104774780898355,
         "ci_low": -0.16089522528340724,
         "coef": -0.1000000000321528,
         "p": 0.0014220432078437908,
         "se": 0.030860669993216756,
         "t": -3.2403703501619705,
         "term": "treatment_8"
       },
       {
         "ci_high": 0.1608952252279714,
         "ci_low": 0.03910477472546249,
         "coef": 0.09999999997671694,
         "p": 0.0014220432163041439,
         "se": 0.030860669993216756,
         "t": 3.2403703483656434,
         "term": "treatment_9"
       }
     ],
     "restrictions": [
       {
         "estimate": -0.1000000000321528,
         "hypothesized": 0,
         "restriction": "treatment_2 = 0"
       },
       {
         "estimate": 0.09999999997671694,
         "hypothesized": 0,
         "restriction": "treatment_3 = 0"
       },
       {
         "estimate": -0.1000000000321528,
         "hypothesized": 0,
         "restriction": "treatment_4 = 0"
       },
       {
         "estimate": 0.09999999997671694,
         "hypothesized": 0,
         "restriction": "treatment_5 = 0"
       },
       {
         "estimate": -0.1000000000321528,
         "hypothesized": 0,
         "restriction": "treatment_6 = 0"
       },
       {
         "estimate": 0.09999999997671694,
         "hypothesized": 0,
         "restriction": "treatment_7 = 0"
       },
       {
         "estimate": -0.1000000000321528,
         "hypothesized": 0,
         "restriction": "treatment_8 = 0"
       },
       {
         "estimate": 0.09999999997671694,
         "hypothesized": 0,
         "restriction": "treatment_9 = 0"
       }
     ]
   }

   Hashes SHA-256 e metadados de reprodução

   Digests dos dados

   d 95fa0f327dadf4c978f33bae2da0ade10e9762647c2b1010d4d0f5d9b039f63c

   sha256 do resultado

   79ad8c78de6022a24a98c7e1ff182043e65c393ad4b49fc63db12b441eab182a

4. 3Pontuação
   #0situação da ferramentapassouobrigatóriastatus ok
5. 4Pontuação
   #1diagnósticopassouobrigatória8 vs 8
6. 5Pontuação
   #2diagnósticopassouobrigatória180 vs 180
7. 6Pontuação
   #3dígitos corretos (LRE)passouobrigatóriaLRE 10.43 (min 9.0)

Épocas × verificações

Tentativas

Cada tentativa é seu próprio arquivo e é publicada; só a última de cada época é pontuada.

• época 1, tentativa 1passoupontuada(exibindo)

Downloads desta tarefa