statsmodels.stats.power.NormalIndPower.plot_power¶

NormalIndPower.plot_power(dep_var='nobs', nobs=None, effect_size=None, alpha=0.05, ax=None, title=None, plt_kwds=None, **kwds)¶

在x轴上绘制观察次数或效应大小的功率

Parameters:¶

dep_var{‘nobs’, ‘effect_size’, ‘alpha’}

这指定了用于水平轴的变量。 如果 dep_var='nobs'（默认），则为每个 effect_size 的值创建一条曲线。如果 dep_var='effect_size' 或 alpha，则为每个 nobs 的值创建一条曲线。

nobs{scalar, array_like}

指定图中观测值的数量

effect_size{scalar, array_like}

指定图中效应量（effect_size）的值

alpha{float, array_like}

在功效计算中使用的显著性水平（I类错误）。只有在dep_var='alpha'时，才能大于标量。

axNone or axis instance

如果 ax 为 None，则创建一个 matplotlib 图形。如果 ax 是一个 matplotlib 轴实例，则重用它，并使用它创建绘图元素。

titlestr

轴的标题。使用空字符串，''，以避免显示标题。

plt_kwds{None, dict}

尚未使用

kwdsdict

这些剩余的关键字参数被用作幂函数的参数。许多幂函数支持alternative作为关键字参数，双样本检验支持ratio。

Returns:¶

Figure

如果 ax 为 None，则创建图形。否则为 ax 连接的图形。

注释

这仅适用于power方法将 effect_size、nobs和alpha作为前三个参数的类。 如果第二个参数是nobs1，则图中观测值的数量 是第一个样本的观测值。 TODO: 为FTestPower和GofChisquarePower修复此问题

待办事项：如果我们需要超过样本量和效应量的内容，可能需要添加行变量