LoslegenKostenlos starten

Die Beziehung visualisieren

Nachdem wir die Auswirkungen auf bestimmte Fehler betrachtet und die erforderliche Stichprobengröße für verschiedene Power-Werte berechnet haben, machen wir einen Schritt zurück und schauen uns die Beziehung zwischen Power und Stichprobengröße in einem hilfreichen Diagramm an.

In dieser Übung wechseln wir vom z-Test zum t-Test. Um das zu visualisieren, verwende die Funktion plot_power(), die die Stichprobengröße auf der x-Achse, die Power auf der y-Achse und unterschiedliche Linien für verschiedene minimale Effektgrößen zeigt.

Diese Übung ist Teil des Kurses

<Kurs>Statistik-Interviewfragen in Python üben</Kurs>
Kurs ansehen

Übungsanweisungen

  • Weisen results ein TTestIndPower()-Objekt zu.
  • Visualisiere die Beziehung zwischen Power und Stichprobengröße mit der Funktion plot_power() und den passenden Parameterwerten. Was fällt dir auf?

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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()
Code bearbeiten und ausführen