套用 Bonferroni 校正
在用 Tukey 的 HSD 找出治療組之間的顯著差異後，我們想用 Bonferroni 校正來再次驗證結果。Bonferroni 校正是一種保守的統計調整，用來因應多重比較所帶來的問題。它會調整顯著水準，降低出現偽陽性結果的機率。在你針對 CBT、DBT 與 ACT 成效的研究情境中，套用 Bonferroni 校正能幫助確保你在不同治療組之間觀察到的顯著差異並非偶然所致。
therapy_outcomes DataFrame 已再次載入，並已載入 pandas as pd、from scipy.stats import ttest_ind，以及 from statsmodels.sandbox.stats.multicomp import multipletests。
本練習屬於課程
Python 的實驗設計
練習說明
- 對
therapy_pairs中所有治療組配對執行獨立樣本 t 檢定，並將各檢定的 p 值（p_val）加入清單p_values。 - 對多重檢定得到的 p 值套用 Bonferroni 校正並印出調整後的結果。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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])