NYC SAT-scores: Factorial EDA

Laten we nog wat extra EDA doen voordat we de analyse van ons factoriële experiment induiken.

We testen het effect van Percent_Black_HL, Percent_Tested_HL en Tutoring_Program op de uitkomst Average_Score_SAT_Math. De HL staat voor high-low: een 1 geeft aan dat respectievelijk minder dan 50% van de Black-studenten of minder dan 50% van alle studenten op een hele school is getest, en een 2 geeft aan dat meer dan 50% van een van beide is getest.

Maak een boxplot van elke factor tegenover de uitkomst om een idee te krijgen welke een verschil in mediaan hebben per factorlevel (uiteindelijk wordt het verschil in gemiddelde getest). De nyc_scores-gegevensset is voor je geladen.

Deze oefening maakt deel uit van de cursus

Experimenteel ontwerp in R

Cursus bekijken

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Load ggplot2
___

# Build the boxplot for the tutoring program vs. Math SAT score
ggplot(___,
       aes(___, ___)) + 
    geom_boxplot()

Code bewerken en uitvoeren