Test t apparié
Dans la vidéo, vous avez vu que les tests t appariés peuvent être plus puissants que les tests t ordinaires. Dans cet exercice, vous allez en voir un exemple. La première étape consiste à simuler des données. Des données semblables pourraient provenir du poids de personnes avant et après un traitement médicamenteux, ou du montant dépensé par un client avant et après avoir vu une publicité.
La simulation de données vous permet de connaître leurs propriétés et de vérifier si votre modèle se comporte comme prévu. R offre de nombreuses distributions, dont la loi normale. Vos données simulées auront des variances inégales (c'est‑à‑dire des écarts types différents). La deuxième étape consistera à analyser les données avec un test t apparié et un test t ordinaire. Enfin, vous répondrez à une question sur les résultats du test t apparié.
Dans la première étape, vous « fixerez la graine » du générateur de nombres aléatoires de R. Cela garantit que vous obtenez les mêmes nombres à chaque exécution et que le correcteur de DataCamp évalue correctement votre code.
Cette activité fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Set the seed to be 345659
set.seed(___)
# Model 10 individuals
n_ind <- ___
# simulate before with mean of 0 and sd of 0.5
before <- rnorm(n = n_ind, mean = ___, sd = ___)
# simulate after with mean effect of 4.5 and standard devation of 5
after <- ___ + rnorm(n = n_ind, mean = ___, sd = ___)