Візуалізація залежності
Тепер, коли ми розглянули вплив на певні типи помилок і порахували необхідний обсяг вибірки для різних значень потужності, зробімо крок назад і подивімося на залежність між потужністю та обсягом вибірки на зручному графіку.
У цій вправі ми змінимо підхід і розглянемо t-тест замість z-тесту. Щоб це візуалізувати, скористайтеся функцією plot_power(), яка показує обсяг вибірки на осі x, потужність — на осі y, а різні лінії відповідають різним мінімальним розмірам ефекту.
Ця вправа є частиною курсу
Практичні співбесіди з статистики в Python
Інструкції до вправи
- Створіть об'єкт
TTestIndPower()і присвойте його зміннійresults. - Візуалізуйте залежність між потужністю та обсягом вибірки за допомогою функції
plot_power()з відповідними параметрами; що ви помічаєте?
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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()