t-test appaiato
Nel video hai visto come i t-test appaiati possano essere più potenti dei t-test tradizionali. In questo esercizio vedrai un esempio che lo dimostra. Il primo passo sarà simulare dei dati. Dati simili potrebbero provenire, ad esempio, dal peso delle persone prima e dopo un trattamento farmacologico oppure dall’importo speso da un cliente prima e dopo aver visto una pubblicità.
I dati simulati ti permettono di conoscere le proprietà dei dati e verificare se il modello si comporta come previsto. R include molte distribuzioni, tra cui la normale. I tuoi dati simulati avranno varianze diverse (cioè deviazioni standard differenti). Il secondo passo sarà analizzare i dati sia con un t-test appaiato sia con un t-test tradizionale. Infine, ti verrà chiesto di commentare i risultati dei t-test appaiati.
Come parte del primo passo, "imposterai il seed" del generatore di numeri casuali di R. Questo garantisce di ottenere gli stessi numeri a ogni esecuzione del codice e consente al software di DataCamp di valutare correttamente il tuo codice.
Questo esercizio fa parte del corso
Modelli gerarchici e a effetti misti in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Set the seed to be 345659
set.seed(___)
# Model 10 individuals
n_ind <- ___
# simulate before with mean of 0 and sd of 0.5
before <- rnorm(n = n_ind, mean = ___, sd = ___)
# simulate after with mean effect of 4.5 and standard devation of 5
after <- ___ + rnorm(n = n_ind, mean = ___, sd = ___)