Aan de slagGa gratis aan de slag

De relatie visualiseren

Nu we de impact op bepaalde fouten hebben besproken en de benodigde steekproefgrootte voor verschillende powerwaarden hebben berekend, nemen we wat afstand en bekijken we de relatie tussen power en steekproefgrootte met een handige plot.

In deze oefening schakelen we over en kijken we naar een t-toets in plaats van een z-toets. Om dit te visualiseren, gebruik je de functie plot_power() die de steekproefgrootte op de x-as zet, de power op de y-as, en verschillende lijnen toont voor verschillende minimale effectgroottes.

Deze oefening maakt deel uit van de cursus

Statistiek-vragen voor sollicitaties oefenen in Python

Cursus bekijken

Oefeninstructies

  • Ken een TTestIndPower()-object toe aan de variabele results.
  • Visualiseer de relatie tussen power en steekproefgrootte met de functie plot_power() met de juiste parameterwaarden; wat valt je op?

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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()
Code bewerken en uitvoeren