시작하기무료로 시작하기

퍼뮤테이션을 단계별로 살펴보기

무작위화 분포를 만드는 데 사용한 코드를 이해할 수 있도록, 이 연습 문제에서는 infer 프레임워크의 단계를 차근차근 살펴봅니다. 특히 생성된 각 replicate의 차이가 계산된 통계량에 어떤 영향을 미치는지 확인하게 될 거예요.

infer 단계를 실행한 후에는 각 replicate마다 숫자가 조금씩 달라진다는 점에 꼭 주목하세요.

이 연습은 강의의 일부입니다

R에서의 추론 기초

강의 보기

연습 안내

dplyr와 infer 패키지는 이미 로드되어 있으며, 이전 연습 문제의 disc 데이터 프레임도 준비되어 있어요.

  • 처음 세 단계에 해당하는 함수를 호출하세요. 핵심 작업은 이미 되어 있으니, 여러분은 infer의 처음 세 단계를 호출한 결과를 탐색해 보시면 됩니다.
  • 퍼뮤테이션의 효과를 확인하려면,
    • 퍼뮤테이션된 데이터 프레임 disc_perm을 새 변수 replicate로 그룹화한 다음,
    • count()를 사용해 관심 변수(각 sex별 promote)를 세세요.
  • disc_perm을 사용해 관심 통계량을 calculate()로 계산하세요. stat은 "diff in props", order는 c("male", "female")로 설정합니다.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Replicate the entire data frame, permuting the promote variable
disc_perm <- disc %>%
  specify(promote ~ sex, success = "promoted") %>%
  hypothesize(null = "independence") %>%
  generate(reps = 5, type = "permute")

disc_perm %>%
  # Group by replicate
  ___ %>%
  # Count per group
  ___

disc_perm %>%
  # Calculate difference in proportion, male then female
  ___
코드 편집 및 실행