Wizualizacja zależności
Omówiliśmy już wpływ różnych błędów i obliczyliśmy niezbędną wielkość próby dla różnych wartości mocy testu. Teraz zróbmy krok wstecz i przyjrzyjmy się zależności między mocą testu a wielkością próby przy użyciu przydatnego wykresu.
W tym ćwiczeniu zamiast testu z przejdziemy do testu t. Aby tę zależność zwizualizować, użyj funkcji plot_power(), która pokazuje wielkość próby na osi x, moc testu na osi y oraz różne linie reprezentujące różne minimalne rozmiary efektu.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych ze statystyki w Pythonie
Instrukcje do ćwiczenia
- Przypisz obiekt
TTestIndPower()do zmiennejresults. - Zwizualizuj zależność między mocą testu a wielkością próby, używając funkcji
plot_power()z odpowiednimi wartościami parametrów – co zauważasz?
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()