शुरू करेंमुफ़्त में शुरू करें

प्रतिशताइल का bootstrap CIs पर प्रभाव

ज़्यादातर वैज्ञानिक किसी अनुमान में अपनी अनिश्चितता को मापने के लिए 95% इंटरवल का उपयोग करते हैं. यानी, उनका समझना है कि अपने करियर भर बनाए गए कॉन्फिडेंस इंटरवल्स में से केवल 95% ही वास्तव में उस पैरामीटर को शामिल करेंगे जिसका वे अनुमान लगाना चाहते थे.

हालाँकि, कुछ अध्ययन ऐसे होते हैं जिनमें या तो ज़्यादा कड़े या फिर कुछ ढीले कॉन्फिडेंस इंटरवल्स (और उसके अनुसार एरर रेट्स) उचित होते हैं.

पिछले बूटस्ट्रैप किए गए \(\hat{p}^*\) मान आपके लिए लोड कर दिए गए हैं और one_poll_boot में उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Inference की बुनियाद

पाठ्यक्रम देखें

अभ्यास निर्देश

  • get_confidence_interval() को कॉल करके 95% प्रतिशताइल इंटरवल निकालें, और level को 0.95 सेट करें.
  • 99% इंटरवल के लिए भी यही कीजिए,
  • … और 90% इंटरवल के लिए भी.
  • आपके द्वारा पाए गए नतीजे conf_int_data नाम की एक dataframe में स्टोर हैं. इस डेटासेट के साथ, ci_endpoints (वर्टिकल ऐक्सिस) बनाम ci_percent (हॉरिजॉन्टल ऐक्सिस) का प्लॉट बनाएँ, और geom_line() का उपयोग करके एक लाइन लेयर जोड़ें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Calculate a 95% bootstrap percentile interval
one_poll_boot %>% 
  ___(___) 

# Calculate a 99% bootstrap percentile interval
___ %>% 
  ___(___) 

# Calculate a 90% bootstrap percentile interval
___ %>% 
  ___(___) 

# Plot ci_endpoints vs. ci_percent to compare the intervals
ggplot(conf_int_data, aes(___, ___)) +
  # Add a line layer
  ___()
कोड संपादित करें और चलाएँ