आउटलायर के साथ और बिना इन्फ़ेरेंस (रैंडमाइज़ेशन)
रैंडमाइज़ेशन टेस्ट का उपयोग करके, आप फिर से देख सकते हैं कि एक आउटलायर का linear model की inferential निष्कर्षों पर क्या असर पड़ता है। hypdata_out डेटा पर रैंडमाइज़ेशन टेस्ट दो बार चलाइए: एक बार आउटलायर के साथ और एक बार उसे हटाकर। ध्यान दें कि बढ़ाई गई कोड-लाइनों से रैंडमाइज़ेशन टेस्ट के स्टेप्स साफ़-साफ़ कम्युनिकेट होते हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Linear Regression के लिए Inference
अभ्यास निर्देश
डेटा फ़्रेम hypdata_out (जिसमें एक आउटलायर शामिल है) और hypdata_noout (आउटलायर हटाया हुआ) का उपयोग करके, क्रमशः मूल डेटासेट्स के permuted slopes रखने के लिए डेटा फ़्रेम perm_slope_out और perm_slope_noout बनाए गए हैं। प्रेक्षित मान वैरिएबल obs_slope_out और obs_slope_noout में स्टोर हैं.
- p-values निकालिए: उन permuted slopes का अनुपात निकालें जिनके (
absolute value) प्रेक्षित slopes के (absolute value) से बड़े या उसके बराबर हैं। पहले की तरह, अनुपात निकालने के लिए बाइनरी असमानता परmeanका उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate the p-value with the outlier
perm_slope_out %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)
# Calculate the p-value without the outlier
perm_slope_noout %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)