Visualizzare la relazione
Ora che abbiamo esaminato l'impatto su alcuni errori e calcolato la dimensione campionaria necessaria per diversi valori di potenza, facciamo un passo indietro e osserviamo la relazione tra potenza e dimensione del campione con un grafico utile.
In questo esercizio, cambiamo approccio e consideriamo un t-test invece di uno z-test. Per visualizzarlo, usa la funzione plot_power() che mostra la dimensione del campione sull'asse x, la potenza sull'asse y e linee diverse che rappresentano diverse dimensioni minime dell'effetto.
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in Python
Istruzioni dell'esercizio
- Assegna un oggetto
TTestIndPower()alla variabileresults. - Visualizza la relazione tra potenza e dimensione del campione usando la funzione
plot_power()con i valori di parametro appropriati; cosa noti?
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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()