Pengambilan sampel ulang dari sebuah sampel
Untuk menyelidiki seberapa besar estimasi proporsi populasi berubah dari sampel ke sampel, Anda akan menyiapkan dua eksperimen pengambilan sampel.
Pada eksperimen pertama, Anda akan mensimulasikan sampel berulang dari suatu populasi. Pada eksperimen kedua, Anda akan memilih satu sampel dari eksperimen pertama dan berulang kali mengambil sampel ulang dari sampel tersebut: metode yang disebut bootstrapping. Secara lebih spesifik:
Eksperimen 1: Asumsikan proporsi sebenarnya orang yang akan memilih Kandidat X adalah 0,6. Berulang kali ambil sampel 30 orang dari populasi dan ukur keragaman \(\hat{p}\) (proporsi sampel).
Eksperimen 2: Ambil satu sampel berukuran 30 dari populasi yang sama. Berulang kali ambil sampel 30 orang (dengan pengembalian!) dari sampel awal dan ukur keragaman \(\hat{p}^*\) (proporsi sampel ulang).
Penting untuk disadari bahwa eksperimen pertama bergantung pada pengetahuan tentang populasi dan biasanya tidak mungkin dilakukan dalam praktik. Eksperimen kedua hanya bergantung pada sampel data sehingga mudah diterapkan untuk statistik apa pun. Untungnya, seperti yang akan Anda lihat, keragaman pada \(\hat{p}\), atau proporsi "keberhasilan" dalam sebuah sampel, kira-kira sama baik ketika kita mengambil sampel dari populasi maupun ketika mengambil sampel ulang dari sebuah sampel.
Kami telah membuat 1000 sampel acak, masing-masing berukuran 30, dari populasi. Data frame hasilnya, all_polls, tersedia di ruang kerja Anda. Silakan dilihat sebelum mulai.
Latihan ini adalah bagian dari kursus
Dasar-dasar Inferensi di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Compute p-hat for each poll
ex1_props <- all_polls %>%
# Group by poll
___(___) %>%
# Calculate proportion of yes votes
___(stat = ___(___))
# Review the result
ex1_props