Поправка Бонферроні–Холма
Ви бачили, що порівняння багатьох різних наборів даних, навіть згенерованих випадково, може дати «статистично значущі зв'язки», які насправді такими не є! Один зі способів уникнути цього — застосувати поправку до альфи рівня довіри. У цій вправі ви дослідите, чому варто застосовувати таку поправку і як це робити.
1000 p-значень, які ви обчислили в попередній вправі, завантажено для вас у масив NumPy p_values, а бібліотеку NumPy — як np.
Ця вправа є частиною курсу
Основи інференції в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Compute the Bonferonni-corrected alpha
bonf_alpha = ____
# Check how many p-values were significant at this level
____