Inferentie met en zonder uitschieter (randomisatie)
Met de randomisatietoets kun je opnieuw beoordelen wat het effect is van een uitschieter op de inferentiële conclusies van een lineair model. Voer een randomisatietoets twee keer uit op de data hypdata_out: één keer met de uitschietende waarde en één keer zonder. Let op: de uitgebreide code laat de stappen van de randomisatietoetsen duidelijk zien.
Deze oefening maakt deel uit van de cursus
Inferentie voor lineaire regressie in R
Oefeninstructies
Met de dataframes hypdata_out (met een uitschieter) en hypdata_noout (uitschieter verwijderd) zijn de dataframes perm_slope_out en perm_slope_noout gemaakt, die respectievelijk de gepermuteerde hellingen van de oorspronkelijke gegevenssets bevatten. De geobserveerde waarden staan in de variabelen obs_slope_out en obs_slope_noout.
- Bepaal de p-waarden door de proportie te nemen van (
absolute waarde) gepermuteerde hellingen die groter zijn dan of gelijk aan de (absolute waarde van de) geobserveerde hellingen. Gebruik, zoals eerder,meanop de binaire ongelijkheid om de proportie te vinden.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Calculate the p-value with the outlier
perm_slope_out %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)
# Calculate the p-value without the outlier
perm_slope_noout %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)