Intervalo percentil de bootstrap
La idea principal del ejercicio anterior era que la distancia entre la muestra original \(\hat{p}\) y los valores remuestreados (o bootstrap) \(\hat{p}^*\) sirve para medir cuán lejos está la \(\hat{p}\) original de la proporción verdadera de la población.
Esa misma variabilidad se puede medir de otra forma. Como antes, si \(\hat{p}\) está lo bastante cerca del parámetro verdadero, entonces los valores remuestreados (bootstrap) \(\hat{p}^*\) variarán de modo que se solapen con el parámetro verdadero.
En lugar de usar \(\pm 2 SE\) para medir el 95% central de los valores muestrales de \(\hat{p}\), puedes encontrar la parte central de los valores remuestreados \(\hat{p}^*\) eliminando el 2,5% inferior y superior. Ten en cuenta que este segundo método para construir intervalos bootstrap también ofrece una forma intuitiva de crear intervalos de confianza del 90% o del 99%, además de los del 95%.
Los remuestreos bootstrap, one_poll_boot, y la proporción de votos afirmativos, p_hat, están disponibles en tu espacio de trabajo.
Este ejercicio forma parte del curso
Fundamentos de la inferencia en R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# From previous exercise: bootstrap t-confidence interval
one_poll_boot %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
# Manually calculate a 95% percentile interval
one_poll_boot %>%
summarize(
lower = ___(stat, p = ___),
upper = ___
)