Quand l’hypothèse nulle est vraie
Dans cet exercice, vous allez mener une expérience : que se passe-t-il lorsque vous faites un test d’hypothèse alors que vous savez que l’hypothèse nulle est vraie ? Vous espérez conserver l’hypothèse nulle, mais il y a toujours un risque de commettre une erreur statistique.
Pour démarrer l’expérience, nous avons créé une nouvelle variable explicative appelée coinflip qui enregistre le résultat d’un lancer de pièce équilibrée pour chaque individu. Avec cette variable, vous pouvez formuler l’hypothèse nulle suivante :
$$ H_{0}: p_{heads} - p_{tails} = 0 $$
Cela affirme qu’il n’y a aucune différence entre les proportions en faveur de la peine de mort parmi les personnes ayant obtenu "heads" et celles ayant obtenu "tails". Étant donné que coinflip a été créé indépendamment de cappun, nous savons que cette hypothèse nulle est vraie. La question est : votre test va-t-il rejeter ou conserver cette hypothèse nulle ?
Cet exercice fait partie du cours
Inférence pour des données catégorielles en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Inspect coinflip
gssmod %>%
select(coinflip)
# Compute two proportions
___ <- gssmod %>%
group_by(coinflip) %>%
summarize(prop_favor = mean(___ == ___)) %>%
pull()
# See the result
p_hats