Визуализация зависимости
Мы изучили влияние на определённые ошибки и рассчитали необходимый размер выборки для различных значений мощности. Теперь сделаем шаг назад и рассмотрим зависимость между мощностью и размером выборки с помощью наглядного графика.
В этом упражнении мы переключимся с z-теста на t-тест. Для визуализации используйте функцию plot_power(), которая отображает размер выборки по оси X, мощность — по оси Y, а разные линии соответствуют различным минимальным размерам эффекта.
Это упражнение является частью курса
Практика статистических вопросов для собеседований на Python
Инструкции к упражнению
- Присвойте переменной
resultsобъектTTestIndPower(). - Визуализируйте зависимость между мощностью и размером выборки с помощью функции
plot_power(), указав нужные значения параметров. Что вы замечаете?
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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()