Tarefa nist_anova.smls07.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 SmLs07: 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_d727a03d 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 = 21,0008 21.000811887800836
     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 = 0,000000000000000000000257908probabilidade 2.5790798902688036e-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 SmLs07: 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 42d492d7577ebe456fa9a204789ea8370c844f508aa3242a8e57c1976b133890 · 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: bed24635a6f1 → 7f3bd46de9b1
3. 2Ferramenta
   infer.linear_hypothesis— Teste de hipótese linear conjunta (estatística F / Wald)v0.1.0call_d727a03ddecidido 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_d727a03d

   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	21,0008	21.000811887800836	—	—
   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	0,000000000000000000000257908probabilidade	2.5790798902688036e-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.→ 168,006 (168.0064951024067)
   2. Estatística F: a de Wald dividida pelo número de restrições.F = W / m→ 21,0008 (21.000811887800836)

   p_value

   1. Probabilidade de uma F(8, 180) exceder a estatística observada.→ 0,000000000000000000000257908 (2.5790798902688036e-22)

   Pressupostos do estimador

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

   Tabelas (2)

   {
     "coefficients": [
       {
         "ci_high": 1000000000000.4431,
         "ci_low": 1000000000000.3569,
         "coef": 1000000000000.4,
         "p": 0,
         "se": 0.021822382067116876,
         "t": 45824511592034.36,
         "term": "Intercept"
       },
       {
         "ci_high": -0.039136834478292734,
         "ci_low": -0.1609305948363018,
         "coef": -0.10003371465729725,
         "p": 0.0014173200388017876,
         "se": 0.030861508682604094,
         "t": -3.2413747391968526,
         "term": "treatment_2"
       },
       {
         "ci_high": 0.16087246611627865,
         "ci_low": 0.03907870575826962,
         "coef": 0.09997558593727413,
         "p": 0.0014261894201179305,
         "se": 0.030861508682604087,
         "t": 3.2394912045770474,
         "term": "treatment_3"
       },
       {
         "ci_high": -0.03913683447884252,
         "ci_low": -0.16093059483685163,
         "coef": -0.10003371465784708,
         "p": 0.0014173200387181495,
         "se": 0.030861508682604115,
         "t": -3.2413747392146663,
         "term": "treatment_4"
       },
       {
         "ci_high": 0.16087246611673184,
         "ci_low": 0.03907870575872275,
         "coef": 0.09997558593772729,
         "p": 0.0014261894200485947,
         "se": 0.030861508682604104,
         "t": 3.2394912045917295,
         "term": "treatment_5"
       },
       {
         "ci_high": -0.039136834478743505,
         "ci_low": -0.16093059483675265,
         "coef": -0.10003371465774807,
         "p": 0.0014173200387332132,
         "se": 0.03086150868260412,
         "t": -3.2413747392114582,
         "term": "treatment_6"
       },
       {
         "ci_high": 0.16087246611688538,
         "ci_low": 0.03907870575887628,
         "coef": 0.09997558593788083,
         "p": 0.0014261894200250991,
         "se": 0.03086150868260411,
         "t": 3.239491204596704,
         "term": "treatment_7"
       },
       {
         "ci_high": -0.039136834478419306,
         "ci_low": -0.16093059483642838,
         "coef": -0.10003371465742385,
         "p": 0.0014173200387825344,
         "se": 0.030861508682604104,
         "t": -3.2413747392009538,
         "term": "treatment_8"
       },
       {
         "ci_high": 0.16087246611641692,
         "ci_low": 0.039078705758407856,
         "coef": 0.09997558593741239,
         "p": 0.0014261894200967814,
         "se": 0.0308615086826041,
         "t": 3.239491204581526,
         "term": "treatment_9"
       }
     ],
     "restrictions": [
       {
         "estimate": -0.10003371465729725,
         "hypothesized": 0,
         "restriction": "treatment_2 = 0"
       },
       {
         "estimate": 0.09997558593727413,
         "hypothesized": 0,
         "restriction": "treatment_3 = 0"
       },
       {
         "estimate": -0.10003371465784708,
         "hypothesized": 0,
         "restriction": "treatment_4 = 0"
       },
       {
         "estimate": 0.09997558593772729,
         "hypothesized": 0,
         "restriction": "treatment_5 = 0"
       },
       {
         "estimate": -0.10003371465774807,
         "hypothesized": 0,
         "restriction": "treatment_6 = 0"
       },
       {
         "estimate": 0.09997558593788083,
         "hypothesized": 0,
         "restriction": "treatment_7 = 0"
       },
       {
         "estimate": -0.10003371465742385,
         "hypothesized": 0,
         "restriction": "treatment_8 = 0"
       },
       {
         "estimate": 0.09997558593741239,
         "hypothesized": 0,
         "restriction": "treatment_9 = 0"
       }
     ]
   }

   Hashes SHA-256 e metadados de reprodução

   Digests dos dados

   d 7f3bd46de9b1313bab65a180b11de344017798c07841a51d5b8b27dac073ba26

   sha256 do resultado

   38245de6e37981291b1660a2e1c1a0df2d5296e9fe40904ba7c967d4371875b1

4. 3Pontuação
   #0situação da ferramentapassouobrigatóriastatus ok
5. 4Pontuação
   #1diagnósticopassouobrigatória8 vs 8
6. 5Pontuação
   #2diagnósticopassouobrigatória180 vs 180
7. 6Pontuação
   #3dígitos corretos (LRE)falhouobrigatóriaLRE 4.41 (min 6.0)

Épocas × verificações

Tentativas

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

• época 1, tentativa 1falhoupontuada(exibindo)

Downloads desta tarefa