ComeçarComece de graça

Visualizando a relação

Agora que vimos o impacto sobre certos erros e calculamos o tamanho de amostra necessário para diferentes valores de poder, vamos dar um passo atrás e observar a relação entre poder e tamanho de amostra com um gráfico útil.

Neste exercício, vamos mudar o foco e olhar para um teste t em vez de um teste z. Para visualizar isso, use a função plot_power() que mostra o tamanho da amostra no eixo x, o poder no eixo y e diferentes linhas representando diferentes tamanhos mínimos de efeito.

Este exercício faz parte do curso

Praticando perguntas de entrevista de Estatística em Python

Ver curso

Instruções do exercício

  • Atribua um objeto TTestIndPower() à variável results.
  • Visualize a relação entre poder e tamanho de amostra usando a função plot_power() com os parâmetros apropriados; o que você observa?

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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()
Editar e executar o código