前の演習では、p値、つまり置換による差のうち観測された差以下の割合を計算しました。
opp_perm %>% summarize(p_value = mean(stat <= diff_orig))
この結果が 0.017 であったことに基づいて、貯蓄を促すリマインドの効果について、この研究からどのように結論づけられますか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、母集団から繰り返し抽出したサンプルがどのように変動するかを確認します。サンプルのばらつきこそが、関心のある母集団について主張できる根拠になります。研究上の主張は母集団に関するものであり、私たちが利用できる情報はサンプルデータに限られることを常に意識しておきましょう。
この章では、完全な仮説検定を実施するための知識と手順を身につけます。つまり、あるデータセットが与えられたとき、研究上の主張を支持して帰無仮説を棄却すべきかどうかを判断できるようになります。
同じ無作為化検定の枠組みで新たな例を用いながら、仮説検定について学び続けます。ただしこの章では、異なる誤り（第I種の誤りと第II種の誤り）に焦点を当て、それらがどのように起こるか、どちらがより深刻になり得るか、そしてサンプルサイズや効果量などが誤り率にどう影響するかを学びます。
現在の演習
仮説検定を補完する手法として、信頼区間は母集団パラメータの推定を可能にします。関心は常に母集団のある特性にありますが、そのパラメータはサンプルデータという不完全な情報から推定するしかありません。ここでのパラメータは、母集団における真の成功割合です。信頼区間の構成に必要な変動性の推定にはブートストラップ法を用います。
