Párový t-test
Ve videu jsi viděl/a, jak mohou být párové t-testy výkonnější než běžné t-testy. V tomto cvičení si to ukážeme na konkrétním příkladu. Nejprve si nasimulujeme data. Podobná data mohou pocházet například z měření váhy lidí před a po léčbě, nebo z výdajů zákazníků před a po zhlédnutí reklamy.
Simulovaná data ti umožní znát jejich vlastnosti a ověřit, zda se model chová podle očekávání. R obsahuje mnoho rozdělení, včetně normálního. Simulovaná data budou mít nestejný rozptyl (tedy různé směrodatné odchylky). Ve druhém kroku data analyzuješ pomocí párového i nepárového t-testu. Nakonec tě čeká otázka k výsledkům párového t-testu.
V rámci prvního kroku nastavíš „seed" pro generátor náhodných čísel v R. To zajistí, že při každém spuštění kódu dostaneš stejná čísla a DataCamp tvůj kód správně vyhodnotí.
Toto cvičení je součástí kurzu
Hierarchické a smíšené modely s náhodnými efekty v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Set the seed to be 345659
set.seed(___)
# Model 10 individuals
n_ind <- ___
# simulate before with mean of 0 and sd of 0.5
before <- rnorm(n = n_ind, mean = ___, sd = ___)
# simulate after with mean effect of 4.5 and standard devation of 5
after <- ___ + rnorm(n = n_ind, mean = ___, sd = ___)