Zusammenfassung der Opportunitätskosten (2)

Jetzt, da du die Randomisierungsverteilung erstellt hast, verwendest du sie, um zu prüfen, ob die beobachtete Differenz der Anteile mit der Null-Differenz vereinbar ist. Du misst diese Übereinstimmung (oder ihr Ausbleiben) mit einem p-Wert, also dem Anteil der permutierten Differenzen, die kleiner oder gleich der beobachteten Differenz sind.

Der permutierte Datensatz und die ursprünglich beobachtete Statistik sind in deinem Arbeitsbereich als opp_perm bzw. diff_orig verfügbar.

Verwende visualize und get_p_value mit den eingebauten infer-Funktionen. Denk daran: Die Null-Statistiken liegen über der ursprünglichen Differenz, daher wird der p-Wert (der angibt, wie oft ein Nullwert noch extremer ist) berechnet, indem du die Anzahl der Nullwerte zählst, die less als die ursprüngliche Differenz sind.

Diese Übung ist Teil des Kurses

<Kurs>Grundlagen der Inferenz in R</Kurs>

Kurs ansehen

Übungsanweisungen

Visualisiere zuerst die Stichprobenverteilung der permutierten Statistiken, markiere die Stelle, an der obs_stat = diff_orig liegt, und färbe die Werte darunter mit direction = "less" ein.
Anschließend wird get_p_value als der Anteil der permutierten Statistiken berechnet, die direction = "less" sind als obs_stat = diff_orig.
Als alternative Methode zur Berechnung des p-Werts kannst du mit summarize() und mean() den Anteil der Fälle bestimmen, in denen die permutierten Differenzen in opp_perm (genannt stat) kleiner oder gleich der beobachteten Differenz (genannt diff_orig) sind.
Du kannst dein Wissen testen, indem du vor dem Absenden deiner Antwort sowohl bei visualize als auch bei get_p_value mit direction = "greater", direction = "two_sided" und direction = "less" experimentierst.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Visualize the statistic 
opp_perm %>%
  ___(___, ___)

# Calculate the p-value using `get_p_value`
opp_perm %>%
  ___(___, ___)

# Calculate the p-value using `summarize`
opp_perm %>%
  summarize(p_value = ___)

Code bearbeiten und ausführen