Dampak persentil pada CI bootstrap

Sebagian besar ilmuwan menggunakan interval 95% untuk mengkuantifikasi ketidakpastian atas sebuah estimasi. Artinya, mereka memahami bahwa sepanjang karier membuat interval kepercayaan, hanya 95% di antaranya yang benar-benar memuat parameter yang ingin mereka estimasi.

Namun, ada studi yang memerlukan interval kepercayaan (dan tingkat galat berikutnya) yang lebih ketat atau lebih longgar.

Nilai \(\hat{p}^*\) hasil bootstrap sebelumnya telah dimuat untuk Anda dan tersedia dalam one_poll_boot.

Latihan ini adalah bagian dari kursus

Dasar-dasar Inferensi di R

Lihat Kursus

Petunjuk latihan

Hitung interval persentil 95% dengan memanggil get_confidence_interval() dan tetapkan level ke 0.95.
Lakukan hal yang sama untuk interval 99%,
… dan interval 90%.
Hasil yang baru Anda peroleh disimpan dalam dataframe bernama conf_int_data. Dengan himpunan data ini, plot ci_endpoints (sumbu vertikal) vs. ci_percent (sumbu horizontal), dan tambahkan layer garis menggunakan geom_line().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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
  ___()

Edit dan Jalankan Kode