Test t apparié
Dans la vidéo, vous avez vu en quoi les tests t appariés peuvent être plus puissants que les tests t classiques. Dans cet exercice, vous allez en voir un exemple. La première étape consiste à simuler des données. Des données similaires pourraient provenir, par exemple, du poids de personnes avant et après un traitement médicamenteux, ou du montant dépensé par un client avant et après avoir vu une publicité.
Les données simulées permettent de connaître leurs propriétés et de vérifier si votre modèle se comporte comme prévu. R propose de nombreuses distributions, dont la normale. Les données simulées auront des variances inégales (c’est-à-dire des écarts types différents). La deuxième étape consiste à analyser les données avec un test t apparié et un test t classique. Enfin, vous répondrez à une question sur les résultats des tests t appariés.
Dans la première étape, vous allez « définir la graine » du générateur de nombres aléatoires de R. Cela garantit d’obtenir les mêmes nombres à chaque exécution du code et permet au logiciel de DataCamp d’évaluer correctement votre code.
Cet exercice fait partie du cours
Modèles hiérarchiques et à effets mixtes en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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 = ___)