ÎncepețiÎncepe gratuit

Aplicarea corecției Bonferroni

După ce ai identificat diferențe semnificative între grupurile de terapie cu ajutorul testului HSD Tukey, vrem să confirmăm rezultatele folosind corecția Bonferroni. Corecția Bonferroni este o ajustare statistică conservatoare utilizată pentru a contracara problema comparațiilor multiple. Aceasta reduce riscul obținerii unor rezultate fals pozitive prin ajustarea nivelului de semnificație. În contextul studiului tău privind eficiența CBT, DBT și ACT, aplicarea corecției Bonferroni te va ajuta să te asiguri că diferențele semnificative observate între grupurile de terapie nu se datorează întâmplării.

DataFrame-ul therapy_outcomes a fost din nou încărcat, împreună cu pandas as pd, from scipy.stats import ttest_ind și from statsmodels.sandbox.stats.multicomp import multipletests.

Acest exercițiu face parte din cursul

Design experimental în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Efectuează teste t independente între toate perechile de grupuri de terapie din therapy_pairs și adaugă valorile p (p_val) la lista p_values.
  • Aplică corecția Bonferroni pentru a ajusta valorile p rezultate din testele multiple și afișează-le.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

p_values = []

therapy_pairs = [('CBT', 'DBT'), ('CBT', 'ACT'), ('DBT', 'ACT')]

# Conduct t-tests and collect P-values
for pair in ____:
    group1 = therapy_outcomes[therapy_outcomes['Therapy_Type'] == ____]['Anxiety_Reduction']
    group2 = therapy_outcomes[therapy_outcomes['Therapy_Type'] == ____]['Anxiety_Reduction']
    t_stat, p_val = ____(group1, group2)
    p_values.____(p_val)

# Apply Bonferroni correction
print(____(____, alpha=0.05, method='____')[1])
Editează și rulează codul