Test multiples

Si on fait des tests multiples, il faut corriger les p-values :

import statsmodels.stats.multitest; (areSignificant, correctedPvalues, _, _) = statsmodels.stats.multitest.multipletests([0.1, 0.3, 0.6, 0.1], alpha = 0.05, method = 'hs') : renvoie une array de booléens indiquant les p-values corrigées qui sont significatives par rapport à la valeur alpha donnée et les p-values corrigées. Renvoie :
- une array de booléens qui indique le rejet de H0 (True) ou non (False) par rapport à la p-value corrigée
- l'array des p-values corrigées.
- l'alpha corrigé pour la méthode de Sidak (correspondant au seuil demandé qui est 0.05 par défaut)
- l'alpha corrigé pour la méthode de Bonferroni (correspondant au seuil demandé qui est 0.05 par défaut)
la méthode par défaut est Holm-Sidak ("hs", qui est family wise)
method = 'bonferroni' : la méthode Bonferroni est utilisée (family wise).
method = 'holm' : correction de Holm, family wise
method = 'fdr_bh' : false discovery rate, avec la méthode de Benjamini-Hochberg.

programmer en python, tutoriel python, graphes en python, Aymeric Duclert