Nền tảng Suy luận trong Python
Paul Savala
Assistant Professor of Mathematics
| Cỡ mẫu | Kích thước hiệu ứng | Alpha |
|---|---|---|
![]() |
![]() |
![]() |
from scipy.stats import norm# Nhóm đối chứng: Trung bình 0 pound, độ lệch chuẩn 1 poundcontrol = norm.rvs(loc=0,scale=1,size=100)# Nhóm điều trị: Trung bình -2 pound, độ lệch chuẩn 1 poundtreatment = norm.rvs(loc=-2, scale=1, size=100)
$H_0$: Không khác biệt giảm cân (sai)
$H_a$: Nhóm điều trị giảm cân (đúng)
Kết luận: Bác bỏ đúng $H_0$ để ủng hộ $H_a$.
from scipy.stats import ttest_ind# Thực hiện kiểm định t alpha = 0.05 t_test = ttest_ind(treatment, control, alternative='less')# Kiểm tra ý nghĩa print(t_test.pvalue < alpha)
TRUE
control = norm.rvs(loc=0, scale=1, size=5) treatment = norm.rvs(loc=-2, scale=1, size=5)# Thực hiện kiểm định t tt = ttest_ind(treatment, control, alternative='less')print(tt.pvalue < 0.05)
FALSE
Kết luận: Không bác bỏ H0 (sai)
# Giảm cân = 0.2 pound, cỡ mẫu = 100treatment = norm.rvs(loc=-0.2, scale=1, size=100)# Thực hiện kiểm định t t_test = ttest_ind(treatment, control, alternative='less')print(t_test.pvalue < 0.05)
FALSE

Nếu có hiệu ứng đáng kể, kiểm định có phát hiện không?

Quyền lực của kiểm định: Nếu giả thuyết đối (Ha) đúng, xác suất kiểm định bác bỏ không (H0) với dữ liệu đã cho là bao nhiêu?
Tính quyền lực trước khi thu thập mẫu
from statsmodels.stats import power # Hàm quyền lực tt_power = power.TTestIndPower()# Tính quyền lực pwr = tt_power.power(effect_size=0.2,nobs1=100,alpha=0.05)print(pwr)
0.291
Khả năng phát hiện thấp!
nobs1 = TTestIndPower().solve_power(effect_size=-0.2, nobs1=None, # Giải cho alpha=0.05, power=0.8)print(nobs1)
13735.26
Nền tảng Suy luận trong Python