Необходимость коррекции бонферрони в А / Б тестировании?
https://docs.python.org/3.4/library/asyncio-task.html#asyncio.ensure_future
asyncio.ensure_future(coro_or_future, *, loop=None)Запланируйте выполнение сопроводительного объекта: заверните его в будущем. Возвращает объект Task.
Если аргумент является
Future, он возвращается напрямую.Новое в версии 3.4.4.
Это о том, что « Кто виноват? ».
asyncio.async(coro_or_future, *, loop=None)Устаревший псевдоним
g11] Устаревший с версии 3.4.4.ensure_future().
1 ответ
Ну, при значении p , равном 0,05 (что является часто используемым уровнем статистической значимости), вы получите ложноположительные результаты в 5% случаев. Таким образом, если в вашем анализе у вас есть один тест, ваш шанс ложного срабатывания составляет 5%. Если у вас есть два теста, у вас будет 5% для первого и 5% для второго. и так далее . Таким образом, для каждого дополнительного теста ваш риск увеличивается. Тем не менее, поскольку вы хотите сохранить свой уровень риска на уровне 0,05, вы либо устанавливаете более строгий уровень статистической значимости (меньшее значение p ), либо используете какой-либо статистический метод для корректировки множественных значений. сравнения. Коррекция Бонферрони является одним из таких методов.