BaşlayınÜcretsiz başlayın

Bonferroni düzeltmesini uygulama

Tukey'nin HSD testiyle terapi grupları arasındaki anlamlı farklılıkları belirledikten sonra, bulgularımızı Bonferroni düzeltmesiyle doğrulamak istiyoruz. Bonferroni düzeltmesi, çoklu karşılaştırmalar sorununu dengelemek için kullanılan, temkinli bir istatistiksel ayarlamadır. Anlamlılık düzeyini ayarlayarak yalancı-pozitif sonuçlar elde etme olasılığını azaltır. CBT, DBT ve ACT'nin etkililiğine yönelik çalışmanın bağlamında, Bonferroni düzeltmesini uygulamak, terapi grupları arasında gözlediğin anlamlı farklılıkların tesadüften kaynaklanmadığından emin olmana yardımcı olacaktır.

therapy_outcomes DataFrame'i yine yüklendi ve ayrıca pandas as pd, from scipy.stats import ttest_ind ve from statsmodels.sandbox.stats.multicomp import multipletests içe aktarıldı.

Bu egzersiz, kursun bir parçasıdır

Python ile Deney Tasarımı

Kursa Göz Atın

Egzersiz talimatları

  • therapy_pairs içindeki tüm terapi grubu çiftleri arasında bağımsız t-testleri yap ve p-değerlerini (p_val) p_values listesine ekle.
  • Çoklu testlerden gelen p-değerlerini ayarlamak için Bonferroni düzeltmesini uygula ve bunları yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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])
Kodu Düzenle ve Çalıştır