Hypothesentests und Konfidenzintervalle

Wie ganz am Anfang dieses Kapitels erwähnt, gibt es einen engen Zusammenhang zwischen Hypothesentests und Konfidenzintervallen. Erstere prüfen, ob eine bestimmte Annahme über die Welt mit deinen Daten vereinbar ist. Letztere arbeiten ohne Hypothese: Sie quantifizieren einfach die Unsicherheit deiner Punktschätzung, indem sie die Fehlermarge addieren und subtrahieren.

In dieser Übung erkundest du diese Dualität, indem du ein Konfidenzintervall um die Differenz der Anteile, d_hat, konstruierst. Zum Einstieg findest du hier den Code, den du verwendet hast, um die Nullverteilung zu erzeugen:

# Referenzcode für die Nullverteilung
null <- gss2016 %>%
   specify(cappun ~ sex, success = "FAVOR") %>%
   hypothesize(null = "independence") %>%
   generate(reps = 500, type = "permute") %>%
   calculate(stat = "diff in props", order = c("FEMALE", "MALE"))`

Diese Übung ist Teil des Kurses

Schlussfolgern für kategoriale Daten in R

Kurs anzeigen

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create the bootstrap distribution
___ <- gss2016 %>%
  # Specify the variables and success
  ___ %>%
  # Generate 500 bootstrap reps
  ___ %>%
  # Calculate statistics
  ___

Code bearbeiten und ausführen