Calcul des marges d’erreur par groupe

Une façon de réduire les marges d’erreur dans une analyse de l’ACS est de combiner les estimations lorsque cela est pertinent. Vous pouvez le faire avec les outils d’analyse par groupe du tidyverse. Dans cet exercice, vous allez regrouper les estimations de pauvreté des personnes âgées hommes et femmes dans le Vermont, et utiliser la fonction moe_sum() dans le cadre de cette analyse par groupe. Vous perdrez peut-être un peu de détail avec cette approche, mais vos estimations seront plus fiables au regard de leurs marges d’erreur qu’avant la combinaison.

Cet exercice fait partie du cours

Analyser les données du recensement américain avec R

Afficher le cours

Instructions

Regroupez le jeu de données vt_eldpov par la colonne GEOID.
Dans l’appel à summarize(), utilisez la fonction moe_sum() pour calculer une marge d’erreur dérivée.
Vérifiez la proportion de lignes dont les marges d’erreur dépassent leurs estimations.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Group the dataset and calculate a derived margin of error
vt_eldpov2 <- vt_eldpov %>%
  ___(___) %>%
  summarize(
    estmf = sum(estimate), 
    moemf = ___(___ = moe, estimate = estimate)
  )

# Filter rows where newly-derived margin of error exceeds newly-derived estimate
moe_check2 <- filter(vt_eldpov2, ___ > estmf)

# Check proportion of rows where margin of error exceeds estimate
nrow(moe_check2) / ___(vt_eldpov2)

Modifier et exécuter le code