Plik:Bonferroni-holmes.png

Z Brain-wiki

Rozmiar pierwotny(1768 × 1458 pikseli, rozmiar pliku: 63 KB, typ MIME: image/png)

Opis

import matplotlib.pyplot as plt import numpy global liczbatestow, p liczbatestow =10 probuns=numpy.random.rand(liczbatestow-1)/33 prob=numpy.sort(probuns) p=0.05 t = numpy.arange(1, liczbatestow, 1) bonf=numpy.ones(liczbatestow-1)*p/liczbatestow def p(n,p): return p/(liczbatestow-n+1) plt.plot(t, prob, '.', label='p-values') plt.plot(t, p(t, 0.05), '.', label='B-H') plt.plot(t, bonf, label='Bonferroni') plt.xlabel('n') plt.ylabel('P') plt.legend() plt.show()

Historia pliku

Kliknij na datę/czas, aby zobaczyć, jak plik wyglądał w tym czasie.

Data i czasMiniaturaWymiaryUżytkownikOpis
aktualny13:30, 4 maj 2023Miniatura wersji z 13:30, 4 maj 20231768 × 1458 (63 KB)Durka (dyskusja | edycje)#should be: Bonferroni-Holm import matplotlib.pyplot as plt import numpy global liczbatestow, p liczbatestow =10 probuns=numpy.random.rand(liczbatestow)/100 probuns+=numpy.array([1., 1.9, 1.9, 1.9, 1.9, 2., 28., 28., 39., 50.])/900 prob=numpy.sort(probuns) p=0.05 t = numpy.arange(1, liczbatestow+1, 1) bonf=numpy.ones(liczbatestow)*p/liczbatestow def p(n,p): return p/(liczbatestow-n+1) plt.plot(t, prob, '.', label='$p_i$') plt.axhline(y=0.05, linestyle='--', color='r', label='p=0.05') plt.pl...
19:23, 3 maj 2023Miniatura wersji z 19:23, 3 maj 2023640 × 480 (16 KB)Durka (dyskusja | edycje)import matplotlib.pyplot as plt import numpy global liczbatestow, p liczbatestow =10 probuns=numpy.random.rand(liczbatestow)/20 prob=numpy.sort(probuns) p=0.05 t = numpy.arange(1, liczbatestow+1, 1) bonf=numpy.ones(liczbatestow)*p/liczbatestow def p(n,p): return p/(liczbatestow-n+1) plt.plot(t, prob, '.', label='$p_i$') plt.plot(t, p(t, 0.05), '.', label='B-H: $0.05/(10-i+1)$') plt.plot(t, bonf, label='Bonferroni = 0.05/10') plt.xlabel('n') plt.ylabel('P') plt.legend() plt.show()
19:10, 3 maj 2023Miniatura wersji z 19:10, 3 maj 2023640 × 480 (15 KB)Durka (dyskusja | edycje)import matplotlib.pyplot as plt import numpy global liczbatestow, p liczbatestow =10 probuns=numpy.random.rand(liczbatestow-1)/33 prob=numpy.sort(probuns) p=0.05 t = numpy.arange(1, liczbatestow, 1) bonf=numpy.ones(liczbatestow-1)*p/liczbatestow def p(n,p): return p/(liczbatestow-n+1) plt.plot(t, prob, '.', label='p-values') plt.plot(t, p(t, 0.05), '.', label='B-H') plt.plot(t, bonf, label='Bonferroni') plt.xlabel('n') plt.ylabel('P') plt.legend() plt.show()

Poniższa strona korzysta z tego pliku:

Metadane