Analyse factorielle des résultats SAT à NYC – EDA
Faisons un peu plus d'exploration des données (EDA) avant d'entamer l'analyse de notre expérience factorielle.
Testons l'effet de Percent_Black_HL, Percent_Tested_HL et Tutoring_Program sur la variable cible, Average_Score_SAT_Math. Le HL signifie high-low : 1 indique respectivement que moins de 50 % des élèves noirs ou que moins de 50 % de tous les élèves d'une école entière ont passé le test, et 2 indique que plus de 50 % de l'un ou l'autre groupe ont passé le test.
Créez un diagramme à moustaches (boxplot) de chaque facteur par rapport à la cible pour avoir une idée des différences de médiane selon le niveau du facteur (au final, c'est la différence de moyenne qui est testée). Le jeu de données nyc_scores a été chargé pour vous.
Cette activité fait partie du cours
Plan d'expériences avec R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Load ggplot2
___
# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
aes(___, ___)) +
geom_boxplot()