Test t basé sur la simulation
Au chapitre 2, vous avez effectué manuellement les étapes d'un test t pour explorer ces hypothèses.
\(H_{0}\) : Le poids moyen des envois qui n'étaient pas en retard est le même que le poids moyen des envois qui étaient en retard.
\(H_{A}\) : Le poids moyen des envois qui n'étaient pas en retard est inférieur au poids moyen des envois qui étaient en retard.
Vous pouvez exécuter le test de manière plus concise à l'aide de la fonction infer t_test().
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 les hypothèses en utilisant 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