Construire un IC
Vous avez vu un exemple montrant comment p-chapeau peut varier lors du rééchantillonnage, mais il faut répéter l'opération de très nombreuses fois pour bien estimer sa variabilité. Ici, vous allez calculer une distribution bootstrap complète afin d'estimer l'erreur-type (ET) qui servira à former un intervalle de confiance. Vous utiliserez un verbe supplémentaire du paquet infer, calculate(), pour simplifier le calcul de nombreuses statistiques à partir de nombreux jeux de données.
Prenez un moment pour examiner la sortie de calculate. Cette fonction réduit votre tableau de données à seulement deux colonnes : une pour les « stat » et une autre pour la « replicate » correspondante.
Lorsque vous tracez votre distribution bootstrap, vous constaterez qu'elle a une forme en cloche. C'est cette forme qui vous permet d'ajouter et de soustraire deux ET pour obtenir un intervalle à 95 %.
Cette activité fait partie du cours
Inférence pour des données catégorielles en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create bootstrap distribution for proportion with High conf
boot_dist <- gss2016 %>%
# Specify the response and success
specify(response = ___, ___ = "___") %>%
# Generate 500 bootstrap reps
generate(___ = ___, type = "bootstrap") %>%
# Calculate proportions
calculate(stat = "___")
# See the result
boot_dist