बूटस्ट्रैप पर्सेंटाइल इंटरवल
पिछले अभ्यास में मुख्य विचार यह था कि मूल सैंपल \(\hat{p}\) और पुन:सैंपल (या बूटस्ट्रैप्ड) \(\hat{p}^*\) मानों के बीच की दूरी यह माप देती है कि मूल \(\hat{p}\) वास्तविक जनसंख्या अनुपात से कितनी दूर है.
इसी परिवर्तनशीलता को एक अलग तरीके से भी मापा जा सकता है. पहले की तरह, यदि \(\hat{p}\) वास्तविक पैरामीटर के पर्याप्त करीब है, तो पुन:सैंपल (बूटस्ट्रैप्ड) \(\hat{p}^*\) मान इस तरह बदलेंगे कि वे वास्तविक पैरामीटर के साथ ओवरलैप करें.
सैंपल किए गए \(\hat{p}\) मानों के मध्य 95% को मापने के लिए \(\pm 2 SE\) का उपयोग करने के बजाय, आप पुन:सैंपल किए गए \(\hat{p}^*\) मानों के मध्य भाग को ऊपर और नीचे के 2.5% हटाकर पा सकते हैं. ध्यान दें कि बूटस्ट्रैप इंटरवल बनाने की यह दूसरी विधि 95% के साथ-साथ 90% या 99% कॉन्फिडेंस इंटरवल बनाने का भी सहज तरीका देती है.
बूटस्ट्रैप्ड रिसैंपल one_poll_boot और हाँ वोटों का अनुपात p_hat आपके वर्कस्पेस में उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Inference की बुनियाद
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# From previous exercise: bootstrap t-confidence interval
one_poll_boot %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
# Manually calculate a 95% percentile interval
one_poll_boot %>%
summarize(
lower = ___(stat, p = ___),
upper = ___
)