Correction de Bonferroni-Holm
Vous avez vu que comparer un grand nombre d'ensembles de données, même générés au hasard, peut produire des « relations statistiquement significatives » qui n'en sont pas vraiment! Une façon d'y remédier est d'appliquer une correction à l'alpha de votre niveau de confiance. Dans cet exercice, vous allez voir pourquoi vous devriez appliquer cette correction et comment le faire.
Les 1000 valeurs p que vous avez calculées dans l'exercice précédent ont été chargées pour vous dans un tableau NumPy p_values, tout comme le module NumPy sous le nom np.
Cette activité fait partie du cours
Fondements de l'inférence en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Compute the Bonferonni-corrected alpha
bonf_alpha = ____
# Check how many p-values were significant at this level
____