Wszystkie publiczne operacje

Wspólny rejestr wszystkich typów operacji dla Brain-wiki. Możesz zawęzić liczbę wyników poprzez wybranie typu rejestru, nazwy użytkownika lub tytułu strony.

• 13:30, 4 maj 2023 Durka dyskusja edycje przesłał nową wersję Plik:Bonferroni-holmes.png (#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 2023 Durka dyskusja edycje przesłał nową wersję Plik:Bonferroni-holmes.png (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 2023 Durka dyskusja edycje utworzył(a) stronę Plik:Bonferroni-holmes.png (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())
• 19:10, 3 maj 2023 Durka dyskusja edycje przesłał Plik:Bonferroni-holmes.png (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())