仮説検定の最後には、帰無仮説の妥当性について二者択一の判断を下すのが一般的です。有意水準を 0.05 としたとき、帰無仮説についてどのように判断しますか？
p値はコンソールで次のコードを実行すると計算できます。
null %>% summarize(pval = 2 * mean(stat > p_hat)) %>% pull()
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、カテゴリカルデータを特徴づける単一のパラメータに対して統計的推測を行う方法を学びます。単一の比率に対するリサンプリングに基づく手法と近似に基づく手法の両方を扱います。
この章では、単一パラメータに対して仮説検定を実施し、信頼区間を構築する方法をさらに深く学びます。続いて、2つの比率の差に対して推測を行う方法を学びます。最後に、帰無仮説が正しいとわかっているときに何が起こるのかを探ります。
現在の演習
このパートでは、2つのカテゴリカル変数の独立性を検定するために、リサンプリング法と古典的手法の両方を使う方法を学びます。この章では、カイ二乗検定の実施方法を取り上げます。
コースの締めくくりとして、選挙データを用いた2つのケーススタディを行います。ここでは、カイ二乗検定を使って適合度を確認する方法を学びます。イランとアイオワの選挙結果を題材に、これらのデータセットにベンフォードの法則が当てはまるかを検定します。
