Korekcja Bonferroniego-Holma
Przekonałeś się, że porównywanie wielu różnych zbiorów danych – nawet losowo wygenerowanych – może prowadzić do „statystycznie istotnych zależności", które w rzeczywistości nimi nie są. Jednym ze sposobów na uniknięcie tego problemu jest zastosowanie korekcji wartości alfa poziomu ufności. W tym ćwiczeniu sprawdzisz, dlaczego warto stosować tę korekcję i jak to zrobić.
Tysiąc wartości p obliczonych w poprzednim ćwiczeniu zostało wczytanych do tablicy NumPy p_values. Dostępna jest również biblioteka NumPy jako np.
To ćwiczenie jest częścią kursu
Podstawy wnioskowania statystycznego w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute the Bonferonni-corrected alpha
bonf_alpha = ____
# Check how many p-values were significant at this level
____