관계 시각화하기
이제 특정 오류에 미치는 영향과 서로 다른 검정력 값에 필요한 표본 크기를 계산해 보았으니, 한걸음 물러나서 검정력과 표본 크기 사이의 관계를 유용한 그래프로 살펴보겠습니다.
이번 연습에서는 z-검정이 아니라 t-검정을 사용해 보겠습니다. 이를 시각화하려면, x축에 표본 크기, y축에 검정력, 그리고 최소 효과 크기별로 다른 선을 보여주는 plot_power() 함수를 사용하세요.
이 연습은 강의의 일부입니다
Python으로 통계 면접 문제 연습하기
연습 안내
TTestIndPower()객체를 만들어results변수에 할당하세요.- 적절한 매개변수로
plot_power()함수를 사용해 검정력과 표본 크기 사이의 관계를 시각화해 보세요. 무엇을 발견하시나요?
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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()