Inferenza con e senza outlier (randomizzazione)
Usando il test di randomizzazione, puoi di nuovo valutare l’effetto di un outlier sulle conclusioni inferenziali di un modello lineare. Esegui un test di randomizzazione sui dati hypdata_out due volte: una includendo il valore anomalo e una escludendolo. Nota che le righe di codice estese comunicano chiaramente i passaggi dei test di randomizzazione.
Questo esercizio fa parte del corso
Inferenza per la regressione lineare in R
Istruzioni dell'esercizio
Usando i data frame hypdata_out (contenente un outlier) e hypdata_noout (outlier rimosso), sono stati creati i data frame perm_slope_out e perm_slope_noout per contenere rispettivamente le pendenze permutate dei dataset originali. I valori osservati sono memorizzati nelle variabili obs_slope_out e obs_slope_noout.
- Trova i p-value calcolando la proporzione di pendenze permutate (in valore
absoluto) che sono maggiori o uguali alle pendenze osservate (in valoreabsoluto). Come prima, usameansull’ineguaglianza binaria per trovare la proporzione.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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 = ___)