statsmodels.stats.power.TTestIndPower.power¶

TTestIndPower.power(effect_size, nobs1, alpha, ratio=1, df=None, alternative='two-sided')[source]¶

计算两个独立样本t检验的功效

Parameters:¶

effect_sizefloat

标准化效应量，两个均值之差除以标准差。effect_size 必须为正数。

nobs1int or float

样本1的观测数量。样本2的观测数量是样本1大小的ratio倍，即nobs2 = nobs1 * ratio

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。

ratiofloat

样本2中观测值数量相对于样本1的比例。参见nobs1的描述 ratio的默认值为1；要根据其他参数求解ratio，必须显式设置为None。

dfint or float

自由度。默认情况下，这是None，并且使用合并方差t检验中的df，df = (nobs1 - 1 + nobs2 - 1)

alternativestr, ‘two-sided’ (default), ‘larger’, ‘smaller’

额外参数用于选择是计算双侧（默认）还是单侧检验的幂。单侧检验可以是‘larger’（更大）或‘smaller’（更小）。

Returns:¶

powerfloat

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