始める無料で始める

Bonferroni 補正を適用する

Tukey の HSD で療法グループ間の有意差を特定したあと、Bonferroni 補正で結果を確認します。Bonferroni 補正は、多重比較の問題に対処するための保守的な統計的調整で、有意水準を調整して偽陽性（タイプIエラー）の可能性を下げます。CBT、DBT、ACT の有効性を検証する本研究の文脈では、Bonferroni 補正を適用することで、観測された療法グループ間の有意差が偶然によるものではないことをより確かにできます。

therapy_outcomes の DataFrame は、pandas as pd、from scipy.stats import ttest_ind、from statsmodels.sandbox.stats.multicomp import multipletests とともに読み込まれています。

この演習はコースの一部です

Pythonで学ぶ実験計画法

コースを見る

演習の手順

  • therapy_pairs に含まれるすべての療法グループの組み合わせについて独立サンプルの t 検定を行い、p値（p_val）を p_values リストに追加します。
  • 複数の検定で得られた p値に Bonferroni 補正を適用して調整し、結果を出力してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

p_values = []

therapy_pairs = [('CBT', 'DBT'), ('CBT', 'ACT'), ('DBT', 'ACT')]

# Conduct t-tests and collect P-values
for pair in ____:
    group1 = therapy_outcomes[therapy_outcomes['Therapy_Type'] == ____]['Anxiety_Reduction']
    group2 = therapy_outcomes[therapy_outcomes['Therapy_Type'] == ____]['Anxiety_Reduction']
    t_stat, p_val = ____(group1, group2)
    p_values.____(p_val)

# Apply Bonferroni correction
print(____(____, alpha=0.05, method='____')[1])
コードを編集して実行