การแสดงความสัมพันธ์เชิงภาพ
หลังจากที่ได้ศึกษาผลกระทบต่อข้อผิดพลาดประเภทต่าง ๆ และคำนวณขนาดตัวอย่างที่จำเป็นสำหรับค่า power ที่แตกต่างกันแล้ว มาถอยออกมามองความสัมพันธ์ระหว่าง power กับขนาดตัวอย่างผ่านกราฟที่ใช้งานได้จริงกัน
ในแบบฝึกหัดนี้ เราจะเปลี่ยนมาดู t-test แทน z-test โดยใช้ฟังก์ชัน plot_power() ซึ่งแสดงขนาดตัวอย่างบนแกน x ค่า power บนแกน y และเส้นแต่ละเส้นแทนค่า minimum effect size ที่แตกต่างกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกทำข้อสอบสัมภาษณ์สถิติด้วย Python
คำแนะนำการฝึกหัด
- กำหนดออบเจกต์
TTestIndPower()ให้กับตัวแปรresults - แสดงความสัมพันธ์ระหว่าง power กับขนาดตัวอย่างโดยใช้ฟังก์ชัน
plot_power()พร้อมระบุค่าพารามิเตอร์ที่เหมาะสม แล้วลองสังเกตดูว่าสังเกตเห็นอะไรบ้าง
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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()