[Projeto] Automatizando cálculo do valor P e impressão do resultado e uma pequena dúvida

# Grupo_A e Grupo_B serão os grupos sobre os quais será realizado o teste # Hipotese_Nula e Hipotese_Alternativa serão as hipóteses definidas para cada teste def teste_da_hipotese(grupo_A, grupo_B, Hipotese_Nula, Hipotese_Alternativa): r = ranksums(grupo_A, grupo_B) def valorP_significativo(): print('É rejeitada a hipótese nula') print(Hipotese_Alternativa) # Caso o valor de P < 0.05 E seja muito pequeno imprime o valor completo if((r.pvalue < 0.05) & (r.pvalue < 0.0001)): print('O valor do p-value {}'.format(r.pvalue)) valorP_significativo() # Caso o valor de P < 0.05 E seja maior que 4 casas decimais imprime o valor arrendodado elif((r.pvalue < 0.05) & (r.pvalue >= 0.0001)): print('O valor do p-value {}'.format(r.pvalue.round(4))) valorP_significativo() else: print('É aceita a hipótese nula') print(Hipotese_Nula)

Oi, Tiago! Tudo bem por aí?

Desculpe a demora em te responder.

Seu código está bem estruturado e é uma excelente ideia de automatização, parabéns! :)

Sobre sua dúvida: sim, é possível e válido definir funções dentro de outras funções em Python. Isso se chama "função aninhada". Essa prática pode ser útil quando temos um bloco de código que se repete dentro de uma função, mas não é usado em nenhum outro lugar do seu código, como podemos observar em valorP_significativo().

Caso queira deixar a sua automatização ainda mais "pythônica", tenho algumas dicas legais para te apresentar:

Substituir a função valorP_significativo() por uma que recebe informações sobre a hipótese a ser considerada e, a partir disso, formata todas os dados pertinentes para compreender o resultado da análise:
```
def mostrar_resultado(rejeitada, hipotese):
    print(f'O valor do p-value é {r.pvalue:.4f}' if r.pvalue >= 0.0001 else f'O valor do p-value é {r.pvalue}')
    if rejeitada:
        print('É rejeitada a hipótese nula')
    else:
        print('É aceita a hipótese nula')
    print(hipotese)
```
Com ela, conseguimos remover vários trechos do código que estavam repetidos, adicionando como parâmetro se a hipótese nula deve ser rejeitada, bem como qual a hipótese (H0 ou H1) iremos levar em conta. Além disso, observe como ficou estruturado o primeiro print. Dentro dele, personalizamos a apresentação do p-value utilizando IF e ELSE!
Dentro da função teste_de_hipotese(), podemos simplificar o bloco condicional, deixando-o assim:
```
if r.pvalue < 0.05:
    mostrar_resultado(True, hipotese_alternativa)
else:
    mostrar_resultado(False, hipotese_nula)
```
Caso pvalue seja inferior a 0.05, indicamos em mostrar_resultado() que a hipótese nula deve ser rejeitada (True) e que iremos considerar a alternativa. Caso contrário, invertemos a lógica.

Tiago, sua ideia é muito interessante. Espero que minhas sugestões agreguem em seu aprendizado!

Um abraço.

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓. Bons Estudos!