Vizualizace vztahu
Teď, když jsme si prošli vliv na určité chyby a vypočítali potřebnou velikost vzorku pro různé hodnoty síly testu, udělejme krok zpět a podívejme se na vztah mezi silou testu a velikostí vzorku pomocí přehledného grafu.
V tomto cvičení přejdeme od z-testu k t-testu. Pro vizualizaci použij funkci plot_power(), která zobrazuje velikost vzorku na ose x, sílu testu na ose y a jednotlivé křivky představují různé minimální velikosti efektu.
Toto cvičení je součástí kurzu
Procvičování statistických pohovorových otázek v Pythonu
Pokyny k cvičení
- Přiřaď objekt
TTestIndPower()do proměnnéresults. - Vizualizuj vztah mezi silou testu a velikostí vzorku pomocí funkce
plot_power()s odpovídajícími hodnotami parametrů – co si všimneš?
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
sample_sizes = np.array(range(5, 100))
effect_sizes = np.array([0.2, 0.5, 0.8])
# Create results object for t-test analysis
from statsmodels.stats.power import TTestIndPower
results = ____
# Plot the power analysis
results.plot_power(dep_var='nobs', nobs=____, effect_size=____)
plt.show()