1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Podstawy wnioskowania statystycznego w Pythonie
Connected

Exercise

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.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Oblicz wartość alfa = 5% skorygowaną metodą Bonferroniego.
  • Wyświetl, ile spośród wartości p było mniejszych od tego skorygowanego progu.