Gepaard t‑toets
In de video heb je gezien dat gepaarde t‑toetsen krachtiger kunnen zijn dan gewone t‑toetsen. In deze oefening zie je daarvan een voorbeeld. De eerste stap is het simuleren van data. Vergelijkbare data kan komen van iemands gewicht vóór en na een medicijnkuur, of het bedrag dat een klant uitgeeft vóór en na het zien van een reclame.
Met gesimuleerde data ken je de eigenschappen van de data en kun je controleren of je model zich gedraagt zoals verwacht. R heeft veel verdelingen, waaronder de normale. Je gesimuleerde data zal ongelijke varianties hebben (dus verschillende standaarddeviaties). De tweede stap is de data analyseren met zowel een gepaarde als een gewone t‑toets. Tot slot krijg je een vraag over de uitkomsten van de gepaarde t‑toetsen.
Als onderdeel van de eerste stap ga je de “seed zetten” voor de willekeurigegetallengenerator van R. Zo krijg je elke keer dezelfde getallen als je de code draait en kan de software van DataCamp je code correct nakijken.
Deze oefening maakt deel uit van de cursus
Hiërarchische en Mixed-Effects-modellen in R
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Set the seed to be 345659
set.seed(___)
# Model 10 individuals
n_ind <- ___
# simulate before with mean of 0 and sd of 0.5
before <- rnorm(n = n_ind, mean = ___, sd = ___)
# simulate after with mean effect of 4.5 and standard devation of 5
after <- ___ + rnorm(n = n_ind, mean = ___, sd = ___)