Prueba t basada en simulación
En el Capítulo 2 realizaste manualmente los pasos de una prueba t para explorar estas hipótesis.
\(H_{0}\): El peso medio de los envíos que no se retrasaron es el mismo que el peso medio de los envíos que se retrasaron.
\(H_{A}\): El peso medio de los envíos que no se retrasaron es menor que el peso medio de los envíos que se retrasaron.
Puedes ejecutar la prueba de forma más concisa utilizando la función t_test() de infer.
late_shipments %>%
t_test(
weight_kilograms ~ late,
order = c("No", "Yes"),
alternative = "less"
)
t_test() supone que la distribución nula es normal. Podemos evitar los supuestos utilizando un equivalente no paramétrico basado en la simulación.
late_shipments está disponible; dplyr y infer están cargados.
Este ejercicio forma parte del curso
Pruebas de hipótesis en R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Fill out the null distribution pipeline
null_distn <- late_shipments %>%
# Specify weight_kilograms vs. late
___ %>%
# Declare a null hypothesis of independence
___ %>%
# Generate 1000 permutation replicates
___ %>%
# Calculate the difference in means ("No" minus "Yes")
___
# See the results
null_distn