Test t par simulation
Dans le chapitre 2, vous avez exécuté manuellement les étapes d’un test t pour explorer ces hypothèses.
\(H_{0}\) : La masse moyenne des expéditions qui ne sont pas arrivées en retard est la même que celle des expéditions arrivées en retard.
\(H_{A}\) : La masse moyenne des expéditions qui ne sont pas arrivées en retard est inférieure à celle des expéditions arrivées en retard.
Vous pouvez exécuter le test plus simplement avec t_test() d’infer.
late_shipments %>%
t_test(
weight_kilograms ~ late,
order = c("No", "Yes"),
alternative = "less"
)
t_test() suppose que la distribution nulle est normale. Nous pouvons éviter ces hypothèses grâce à un équivalent non paramétrique basé sur la simulation.
late_shipments est disponible ; dplyr et infer sont chargés.
Cet exercice fait partie du cours
Tests d’hypothèses en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Fill out the null distribution pipeline
null_distn <- late_shipments %>%
# Specify weight_kilograms vs. late
___ %>%
# Declare a null hypothesis of independence
___ %>%
# Generate 1000 permutation replicates
___ %>%
# Calculate the difference in means ("No" minus "Yes")
___
# See the results
null_distn