statsmodels.stats.power.FTestAnovaPower.solve_power¶

FTestAnovaPower.solve_power(effect_size=None, nobs=None, alpha=None, power=None, k_groups=2)[source]¶

求解F检验功效的任意一个参数

for the one sample F-test the keywords are:

效应量, 样本量, 显著性水平, 功效

必须有一个是 None，其他所有都需要数值。

Parameters:¶

effect_sizefloat

标准化效应量，均值除以标准差。 效应量必须为正。

nobsint or float

样本大小，观察次数。

alphafloat in interval (0,1)

显著性水平，例如0.05，是第一类错误的概率，即当原假设为真时错误拒绝的概率。

powerfloat in interval (0,1)

检验的功效，例如0.8，是1减去II类错误的概率。功效是当备择假设为真时，检验正确拒绝原假设的概率。

Returns:¶

valuefloat

在调用中被设置为None的参数的值。该值解决了给定其余参数的幂方程。

注释

该函数使用 scipy.optimize 来寻找满足幂方程的值。它首先使用 brentq 进行先验搜索以确定边界。如果这未能找到根，则使用 fsolve。如果 fsolve 也失败，那么对于 alpha、power 和 effect_size，将使用具有固定边界的 brentq。然而，仍然可能存在这种情况失败的情况。