Inférence avec et sans valeur aberrante (randomisation)
À l'aide du test de randomisation, vous pouvez de nouveau évaluer l'effet d'une valeur aberrante sur les conclusions inférentielles d'un modèle linéaire. Exécutez un test de randomisation sur les données hypdata_out deux fois : une fois avec la valeur aberrante et une fois sans celle-ci. Notez que les lignes de code détaillées exposent clairement les étapes des tests de randomisation.
Cette activité fait partie du cours
Inférence pour la régression linéaire en R
Instructions de l’exercice
À partir des trames de données hypdata_out (qui contient une valeur aberrante) et hypdata_noout (valeur aberrante retirée), les trames de données perm_slope_out et perm_slope_noout ont été créées pour contenir, respectivement, les pentes permutées des jeux de données d'origine. Les valeurs observées sont stockées dans les variables obs_slope_out et obs_slope_noout.
- Trouvez les valeurs p en calculant la proportion de pentes permutées dont la valeur (
absolue) est supérieure ou égale à la valeur (absolue) des pentes observées. Comme précédemment, utilisezmeansur l'inégalité binaire pour obtenir la proportion.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Calculate the p-value with the outlier
perm_slope_out %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)
# Calculate the p-value without the outlier
perm_slope_noout %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)