Gęstość rozkładu randomizacji

Użycie 100 powtórzeń pozwala zrozumieć mechanizm permutacji. Jednak 100 powtórzeń to za mało, by zaobserwować pełen zakres możliwych wartości zerowych różnic w proporcjach.

Przypomni sobie cztery kroki wnioskowania statystycznego. To te same cztery kroki, które będą stosowane we wszystkich ćwiczeniach z wnioskowania w tym kursie i w przyszłych kursach statystycznych. Nazwy funkcji pomogą ci zapamiętać kolejność analizy.

specify – określa zmienną zależną i zmienną objaśniającą.
hypothesize – deklaruje hipotezę zerową.
generate – generuje próbki, permutacje lub symulacje.
calculate – oblicza statystyki podsumowujące.

W tym ćwiczeniu powtórzysz ten proces 1000 razy, aby poznać pełny rozkład zerowych różnic w proporcjach.

To ćwiczenie jest częścią kursu

Podstawy wnioskowania statystycznego w R

Zobacz kurs

Instrukcje do ćwiczenia

Pakiety dplyr, ggplot2, NHANES i infer zostały już załadowane.

Wygeneruj 1000 różnic w proporcjach, tasując zmienną HomeOwn za pomocą składni infer. Przypomnij sobie tę składnię:
- specify – określ, że interesuje cię zależność między HomeOwn a Gender, a sukcesem jest posiadanie własnego domu: success = "Own".
- hypothesize – przyjmij, że hipoteza zerowa jest prawdziwa: null = "independence" (co oznacza, że płeć i posiadanie własnego domu nie są ze sobą powiązane).
- generate – wygeneruj 1000 permutacji; ustaw reps na 1000.
- calculate – oblicz statystykę stat = "diff in props" z kolejnością c("male", "female").
Uruchom kod wykresu gęstości, aby uzyskać wygładzoną wizualną reprezentację rozkładu różnic. Jaki kształt ma ta krzywa?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Perform 1000 permutations
homeown_perm <- homes %>%
  # Specify HomeOwn vs. Gender, with `"Own" as success
  ___(___ ~ ___, success = "___") %>%
  # Use a null hypothesis of independence
  ___(___) %>% 
  # Generate 1000 repetitions (by permutation)
  ___(reps = ___, type = "permute") %>% 
  # Calculate the difference in proportions (male then female)
  ___(___, order = ___))

# Density plot of 1000 permuted differences in proportions
ggplot(homeown_perm, aes(x = stat)) + 
  geom_density()

Edytuj i uruchom kod