Résumé du coût d'opportunité (2)
Maintenant que vous avez créé la distribution de randomisation, utilisez-la pour évaluer si l'écart observé entre proportions est compatible avec l'hypothèse nulle (écart nul). Vous mesurerez cette compatibilité (ou son absence) avec une valeur p, soit la proportion d'écarts permutés inférieurs ou égaux à l'écart observé.
Le jeu de données permuté et la statistique observée originale sont disponibles dans votre espace de travail sous opp_perm et diff_orig respectivement.
Utilisez visualize et get_p_value avec les fonctions intégrées de infer. Rappelez-vous que les statistiques sous l'hypothèse nulle se trouvent au-dessus de l'écart original, donc la valeur p (qui représente la fréquence à laquelle une valeur nulle est plus extrême) se calcule en comptant le nombre de valeurs nulles qui sont less que l'écart original.
Cette activité fait partie du cours
Fondements de l'inférence en R
Instructions de l’exercice
- Commencez par
visualizela distribution d'échantillonnage des statistiques permutées en indiquant l'emplacement oùobs_stat = diff_orig, et en coloriant les valeurs en dessous avec l'argumentdirection = "less". - Ensuite, calculez
get_p_valuecomme la proportion de statistiques permutées qui sontdirection = "less"queobs_stat = diff_orig. - Comme autre façon de calculer la valeur p, utilisez
summarize()etmean()pour trouver la proportion de fois où les écarts permutés dansopp_perm(appelésstat) sont inférieurs ou égaux à l'écart observé (appelédiff_orig). - Vous pouvez vérifier votre compréhension en essayant :
direction = "greater",direction = "two_sided"etdirection = "less"avant de soumettre votre réponse pourvisualizeetget_p_value.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Visualize the statistic
opp_perm %>%
___(___, ___)
# Calculate the p-value using `get_p_value`
opp_perm %>%
___(___, ___)
# Calculate the p-value using `summarize`
opp_perm %>%
summarize(p_value = ___)