CI बनाना
आपने देखा कि रिसैंपलिंग पर p-hat कैसे बदल सकता है, लेकिन उसकी वैरिएबिलिटी का अच्छा अनुमान पाने के लिए हमें यह प्रक्रिया बहुत बार दोहरानी होती है। यहाँ आप एक पूरा बूटस्ट्रैप वितरण निकालेंगे ताकि स्टैंडर्ड एरर (SE) का अनुमान लगा सकें, जिसका उपयोग कॉन्फिडेंस इंटरवल बनाने में होगा। आप infer का एक और वर्ब, calculate(), इस्तेमाल करेंगे, जो कई डेटासेट्स से कई स्टैटिस्टिक्स निकालने की प्रक्रिया को सरल बनाता है.
calculate के आउटपुट को ज़रा ध्यान से देखिए। यह फंक्शन आपके डेटा फ्रेम को सिर्फ़ दो कॉलम तक सीमित कर देता है: एक "stat" के लिए और दूसरा उनके संबंधित "replicate" के लिए.
जब आप अपना बूटस्ट्रैप वितरण प्लॉट करेंगे, तो यह घंटी-आकार (bell-shaped) दिखेगा। यही आकार आपको 95% इंटरवल पाने के लिए दो SE जोड़ने और घटाने की अनुमति देता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में श्रेणीबद्ध डेटा के लिए अनुमान
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create bootstrap distribution for proportion with High conf
boot_dist <- gss2016 %>%
# Specify the response and success
specify(response = ___, ___ = "___") %>%
# Generate 500 bootstrap reps
generate(___ = ___, type = "bootstrap") %>%
# Calculate proportions
calculate(stat = "___")
# See the result
boot_dist