Szacowanie wymaganej liczebności próby w badaniu efektywności energetycznej
W sektorze energetycznym badacze często oceniają skuteczność nowych technologii i inicjatyw mających na celu poprawę efektywności energetycznej lub ograniczenie zużycia energii. Projektowane jest badanie porównujące wpływ dwóch środków oszczędzania energii: „inteligentnych termostatów" (Smart Thermostats) i „oświetlenia LED" (LED Lighting). Aby upewnić się, że badanie ma wystarczającą moc do wykrycia istotnej różnicy w oszczędnościach energii między tymi dwoma rozwiązaniami, przeprowadź analizę mocy.
Załadowane są: pandas as pd, numpy as np oraz from statsmodels.stats.power import TTestIndPower.
To ćwiczenie jest częścią kursu
Projektowanie eksperymentów w Pythonie
Instrukcje do ćwiczenia
- Utwórz obiekt klasy
TTestIndPower. - Przeprowadź analizę mocy, aby oszacować wymaganą liczebność próby dla każdej grupy (inteligentne termostaty i oświetlenie LED), tak aby osiągnąć moc równą 0,9 – przy założeniu umiarkowanej wielkości efektu (d Cohena = 0,5), poziomu istotności alfa = 0,05 oraz równej liczności obu grup.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Instantiate a TTestIndPower object
power_analysis = ____
# Conduct a power analysis to determine the required sample size
required_n = power_analysis.solve_power(
effect_size=____,
alpha=____,
power=____,
ratio=____)
print(required_n)