Uji kesesuaian (goodness of fit)

Hipotesis nol dalam uji kesesuaian adalah daftar nilai parameter spesifik untuk tiap proporsi. Dalam analisis Anda, hipotesis yang setara adalah bahwa Hukum Benford berlaku untuk sebaran digit pertama dari total suara pada tingkat kota. Anda dapat menuliskannya sebagai:

$$ H_0: p_1 = .30, p_2 = .18, \ldots, p_9 = .05 $$

Di mana $p_1$ adalah tinggi batang pertama pada plot batang Benford. Hipotesis alternatifnya adalah bahwa setidaknya salah satu proporsi ini berbeda; bahwa sebaran digit pertama tidak mengikuti Hukum Benford.

Dalam latihan ini, Anda akan menggunakan simulasi untuk membangun sebaran nol dari jenis statistik chi-kuadrat yang akan Anda amati jika memang hitungan ini mengikuti Hukum Benford.

Latihan ini adalah bagian dari kursus

Inferensi untuk Data Kategorik di R

Lihat Kursus

Petunjuk latihan

Periksa p_benford dengan mencetaknya ke layar.
Mulai dari iran, hitung statistik chi-kuadrat dengan menggunakan chisq_stat. Perhatikan bahwa Anda harus menentukan variabel dalam data frame yang akan menjadi respons serta vektor probabilitas yang ingin Anda bandingkan.
Bangun sebaran nol dengan 500 sampel dari statistik Chisq melalui simulasi di bawah hipotesis nol point bahwa vektor proporsi p adalah p_benford. Simpan statistik yang dihasilkan sebagai null.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Inspect p_benford
p_benford

# Compute observed stat
chi_obs_stat <- ___
  chisq_stat(response = ___, p = ___)

# Form null distribution
null <- ___
  # Specify the response
  ___
  # Set up the null hypothesis
  ___
  # Generate 500 reps
  ___
  # Calculate statistics
  ___

Edit dan Jalankan Kode