CommencezCommencez gratuitement

Visualiser la relation

Maintenant que nous avons passé en revue l'effet sur certains types d'erreurs et calculé la taille d'échantillon nécessaire pour différentes valeurs de puissance, prenons du recul et observons la relation entre la puissance et la taille d'échantillon à l'aide d'un graphique utile.

Dans cet exercice, nous allons changer de perspective et considérer un test t plutôt qu'un test z. Pour le visualiser, utilisez la fonction plot_power() qui affiche la taille d'échantillon sur l'axe des x, la puissance sur l'axe des y, et des lignes distinctes pour différentes tailles d'effet minimales.

Cette activité fait partie du cours

S'exercer aux questions d'entrevue en statistiques avec Python

Voir le cours

Instructions de l’exercice

  • Assignez un objet TTestIndPower() à la variable results.
  • Visualisez la relation entre la puissance et la taille d'échantillon à l'aide de la fonction plot_power() avec les paramètres appropriés; qu'observez-vous?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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()
Modifier et exécuter le code