부트스트랩 퍼센타일 구간
이전 연습 문제의 핵심 아이디어는, 원래 표본의 $\hat{p}\(와 재표본(부트스트랩)으로 얻은 \)\hat{p}^*\( 값들의 거리로부터, 원래 \)\hat{p}$가 모비율의 실제 값에서 얼마나 떨어져 있는지를 가늠할 수 있다는 점이었어요.
같은 변동성을 다른 방식으로도 측정할 수 있어요. 앞서와 마찬가지로, $\hat{p}\(가 실제 모수에 충분히 가깝다면, 재표본(부트스트랩) \)\hat{p}^*$ 값들의 분포는 실제 모수와 겹치도록 변동할 거예요.
표본 \(\hat{p}\) 값들의 가운데 95%를 $\pm 2 SE\(로 측정하는 대신, 재표본 \)\hat{p}^*$ 값들에서 위쪽 2.5%와 아래쪽 2.5%를 제거해 가운데 구간을 찾을 수 있어요. 이 두 번째 부트스트랩 구간 구성 방법은 95%뿐 아니라 90%나 99% 신뢰구간을 만드는 데에도 직관적으로 확장할 수 있다는 점에 유의하세요.
부트스트랩 재표본 one_poll_boot와 찬성 비율 p_hat이 작업 공간에 준비되어 있어요.
이 연습은 강의의 일부입니다
R에서의 추론 기초
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# From previous exercise: bootstrap t-confidence interval
one_poll_boot %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
# Manually calculate a 95% percentile interval
one_poll_boot %>%
summarize(
lower = ___(stat, p = ___),
upper = ___
)