Bonferroni-Holm-Korrektur
Du hast gesehen, dass der Vergleich vieler verschiedener Datensätze – sogar zufällig erzeugter – zu „statistisch signifikanten Zusammenhängen“ führen kann, die gar keine sind! Eine Möglichkeit, dem entgegenzuwirken, ist, das Alpha deines Konfidenzniveaus zu korrigieren. In dieser Übung findest du heraus, warum du diese Korrektur anwenden solltest und wie das geht.
Die 1000 p-Werte, die du in der vorherigen Übung berechnet hast, wurden bereits in einem NumPy-Array p_values für dich geladen, ebenso das Paket NumPy als np.
Diese Übung ist Teil des Kurses
<Kurs>Grundlagen der Inferenz in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Compute the Bonferonni-corrected alpha
bonf_alpha = ____
# Check how many p-values were significant at this level
____