Correction de Bonferroni-Holm
Vous avez vu que comparer de nombreux jeux de données différents, même générés aléatoirement, peut produire des « relations statistiquement significatives » qui n’en sont pas vraiment ! Une manière d’y remédier consiste à 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, et le paquet NumPy est disponible sous le nom np.
Cet exercice fait partie du cours
Fondements de l’inférence en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Compute the Bonferonni-corrected alpha
bonf_alpha = ____
# Check how many p-values were significant at this level
____