应用 Bonferroni 校正
在使用 Tukey 的 HSD 找出治疗组之间的显著差异后，我们希望通过 Bonferroni 校正来再次验证结果。Bonferroni 校正是一种保守的统计调整方法，用于应对多重比较问题。它通过调整显著性水平来降低出现假阳性结果的概率。在您对 CBT、DBT 和 ACT 有效性的研究中，应用 Bonferroni 校正有助于确保观测到的治疗组间显著差异并非偶然所致。
therapy_outcomes DataFrame 已再次加载，同时还加载了 pandas as pd、from scipy.stats import ttest_ind，以及 from statsmodels.sandbox.stats.multicomp import multipletests。
本练习是课程的一部分
Python 实验设计
练习说明
- 对
therapy_pairs中所有治疗组配对执行独立样本 t 检验，并将各检验的 p 值（p_val）追加到列表p_values。 - 对多次检验得到的 p 值应用 Bonferroni 校正并打印校正后的结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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])