Tarefa nist_anova.smls09.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 SmLs09: 18009 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" (18009 → 18009 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_cbfbef9b 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 = 2.001,13 2001.1349262180404
     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 = 0probabilidade 0
     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 = 18.00018000 (residual degrees of freedom n − k) · se_type = "classical" (classical (homoskedastic) standard errors) · n_obs = 18.00918009
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 SmLs09: 18009 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 aa610b390c8d947ec258e32df0f43467fcb1820f47c5ce25a993ae1d9c715ae7 · frame —

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

   18009 → 18009 linhas

   Frame antes → depois: 8db499972bbb → 874bc9ba9917
3. 2Ferramenta
   infer.linear_hypothesis— Teste de hipótese linear conjunta (estatística F / Wald)v0.1.0call_cbfbef9bdecidido 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_cbfbef9b

   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	2.001,13	2001.1349262180404	—	—
   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	0probabilidade	0	—	—

   Diagnósticos

   • statistic = "F" (F = W/m against F(m, n − k))
   • df_numerator = 88 (number of restrictions)
   • df_denominator = 18.00018000 (residual degrees of freedom n − k)
   • se_type = "classical" (classical (homoskedastic) standard errors)
   • n_obs = 18.00918009
   • n_clusters = — (errors not clustered)

   Derivação matemática e pressupostos

   F

   1. Estatística de Wald das 8 restrições, com a covariância classical (homoskedastic) standard errors.→ 16.009,1 (16009.079409744323)
   2. Estatística F: a de Wald dividida pelo número de restrições.F = W / m→ 2.001,13 (2001.1349262180404)

   p_value

   1. Probabilidade de uma F(8, 18000) exceder a estatística observada.→ 0 (0)

   Pressupostos do estimador

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

   Tabelas (2)

   {
     "coefficients": [
       {
         "ci_high": 1000000000000.4044,
         "ci_low": 1000000000000.3956,
         "coef": 1000000000000.4,
         "p": 0,
         "se": 0.0022355699150202234,
         "t": 447313230188711.75,
         "term": "Intercept"
       },
       {
         "ci_high": -0.09383960410130877,
         "ci_low": -0.10623357708119084,
         "coef": -0.10003659059124981,
         "p": 6.931521624154509e-214,
         "se": 0.0031615732934548975,
         "t": -31.64139537689858,
         "term": "treatment_2"
       },
       {
         "ci_high": 0.10617257242774376,
         "ci_low": 0.09377859944786206,
         "coef": 0.09997558593780291,
         "p": 1.2365005332269767e-213,
         "se": 0.0031615732934548086,
         "t": 31.622099713701278,
         "term": "treatment_3"
       },
       {
         "ci_high": -0.09383960410113809,
         "ci_low": -0.10623357708101944,
         "coef": -0.10003659059107876,
         "p": 6.931521635018747e-214,
         "se": 0.0031615732934547115,
         "t": -31.64139537684634,
         "term": "treatment_4"
       },
       {
         "ci_high": 0.1061725724274336,
         "ci_low": 0.09377859944755108,
         "coef": 0.09997558593749234,
         "p": 1.2365005369444156e-213,
         "se": 0.0031615732934550107,
         "t": 31.622099713601024,
         "term": "treatment_5"
       },
       {
         "ci_high": -0.09383960410132425,
         "ci_low": -0.10623357708120681,
         "coef": -0.10003659059126553,
         "p": 6.9315216233830005e-214,
         "se": 0.0031615732934550237,
         "t": -31.641395376902288,
         "term": "treatment_6"
       },
       {
         "ci_high": 0.10617257242756717,
         "ci_low": 0.09377859944768441,
         "coef": 0.09997558593762579,
         "p": 1.2365005354038572e-213,
         "se": 0.0031615732934550775,
         "t": 31.622099713642566,
         "term": "treatment_7"
       },
       {
         "ci_high": -0.09383960410102894,
         "ci_low": -0.10623357708091115,
         "coef": -0.10003659059097005,
         "p": 6.931521642630458e-214,
         "se": 0.0031615732934549327,
         "t": -31.64139537680974,
         "term": "treatment_8"
       },
       {
         "ci_high": 0.10617257242755622,
         "ci_low": 0.09377859944767418,
         "coef": 0.0999755859376152,
         "p": 1.2365005354595353e-213,
         "se": 0.0031615732934548923,
         "t": 31.622099713641067,
         "term": "treatment_9"
       }
     ],
     "restrictions": [
       {
         "estimate": -0.10003659059124981,
         "hypothesized": 0,
         "restriction": "treatment_2 = 0"
       },
       {
         "estimate": 0.09997558593780291,
         "hypothesized": 0,
         "restriction": "treatment_3 = 0"
       },
       {
         "estimate": -0.10003659059107876,
         "hypothesized": 0,
         "restriction": "treatment_4 = 0"
       },
       {
         "estimate": 0.09997558593749234,
         "hypothesized": 0,
         "restriction": "treatment_5 = 0"
       },
       {
         "estimate": -0.10003659059126553,
         "hypothesized": 0,
         "restriction": "treatment_6 = 0"
       },
       {
         "estimate": 0.09997558593762579,
         "hypothesized": 0,
         "restriction": "treatment_7 = 0"
       },
       {
         "estimate": -0.10003659059097005,
         "hypothesized": 0,
         "restriction": "treatment_8 = 0"
       },
       {
         "estimate": 0.0999755859376152,
         "hypothesized": 0,
         "restriction": "treatment_9 = 0"
       }
     ]
   }

   Hashes SHA-256 e metadados de reprodução

   Digests dos dados

   d 874bc9ba991716686e5848d5038f3dc97ad37b6f45a1252dbdbae909e44faeb8

   sha256 do resultado

   68f4454ea553de1f5afb4236f2e0d0018c1735d7b836aa62eecf8afc668d0900

4. 3Pontuação
   #0situação da ferramentapassouobrigatóriastatus ok
5. 4Pontuação
   #1diagnósticopassouobrigatória8 vs 8
6. 5Pontuação
   #2diagnósticopassouobrigatória18000 vs 18000
7. 6Pontuação
   #3dígitos corretos (LRE)falhouobrigatóriaLRE 4.17 (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