CommencerCommencer gratuitement

Visualiser la relation

Maintenant que nous avons étudié l’impact 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 changeons de perspective et examinons 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 abscisses, la puissance sur l’axe des ordonnées, et des courbes différentes pour représenter différentes tailles d’effet minimales.

Cet exercice fait partie du cours

S’entraîner aux questions d’entretien en statistiques avec Python

Afficher le cours

Instructions

  • Assignez un objet TTestIndPower() à la variable results.
  • Visualisez la relation entre la puissance et la taille d’échantillon en utilisant la fonction plot_power() avec les valeurs de paramètres appropriées ; qu’observez-vous ?

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

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