Efecto del percentil en los IC por bootstrap

La mayoría de científicos usan intervalos del 95% para cuantificar la incertidumbre de una estimación. Es decir, entienden que, a lo largo de su carrera construyendo intervalos de confianza, solo el 95% contendrá realmente el parámetro que quieren estimar.

Sin embargo, hay estudios que requieren intervalos de confianza más estrictos o más laxos (y tasas de error consecuentes).

Los valores bootstrap anteriores de \(\hat{p}^*\) ya se han cargado y están disponibles en one_poll_boot.

Este ejercicio forma parte del curso

Fundamentos de la inferencia en R

Ver curso

Instrucciones del ejercicio

Calcula un intervalo percentil del 95% llamando a get_confidence_interval() y estableciendo level en 0.95.
Haz lo mismo para un intervalo del 99%,
… y para uno del 90%.
Los resultados que acabas de obtener se han guardado en un dataframe llamado conf_int_data. Con este conjunto de datos, representa ci_endpoints (eje vertical) frente a ci_percent (eje horizontal) y añade una capa de línea con geom_line().

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Calculate a 95% bootstrap percentile interval
one_poll_boot %>% 
  ___(___) 

# Calculate a 99% bootstrap percentile interval
___ %>% 
  ___(___) 

# Calculate a 90% bootstrap percentile interval
___ %>% 
  ___(___) 

# Plot ci_endpoints vs. ci_percent to compare the intervals
ggplot(conf_int_data, aes(___, ___)) +
  # Add a line layer
  ___()

Editar y ejecutar código