関係を可視化する
これまでに、特定のエラーへの影響を確認し、さまざまな検出力に必要なサンプルサイズを計算しました。ここで一歩引いて、便利なプロットを使って検出力（power）とサンプルサイズの関係を見てみましょう。
この演習では、z検定ではなくt検定に切り替えて考えます。これを可視化するために、x軸にサンプルサイズ、y軸に検出力を取り、最小効果量の違いを別々の線で示す plot_power() 関数を使ってください。
この演習はコースの一部です
Pythonで統計面接問題を練習しよう
演習の手順
TTestIndPower()オブジェクトを作成し、変数resultsに代入します。- 適切な引数を指定して
plot_power()関数を用い、検出力とサンプルサイズの関係を可視化しましょう。何に気づきますか？
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。
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()