Tworzenie przedziału ufności
Widzisz już jeden przykład tego, jak p-hat może się zmieniać przy ponownym próbkowaniu – ale potrzebujemy wykonać tę operację wiele, wiele razy, żeby dobrze oszacować zmienność. Tutaj obliczysz pełny rozkład bootstrapowy, by wyznaczyć błąd standardowy (SE), który posłuży do zbudowania przedziału ufności. Użyjesz dodatkowej funkcji z pakietu infer – calculate() – aby usprawnić obliczanie wielu statystyk z wielu zbiorów danych.
Zatrzymaj się chwilę i przyjrzyj się wynikom funkcji calculate(). Redukuje ona ramkę danych do zaledwie dwóch kolumn: jednej ze statystykami (stat) i drugiej z odpowiadającymi im numerami replikacji (replicate).
Kiedy zwizualizujesz swój rozkład bootstrapowy, zauważysz, że ma kształt dzwonu. Właśnie ten kształt pozwala dodać i odjąć dwa błędy standardowe, by uzyskać 95-procentowy przedział ufności.
To ćwiczenie jest częścią kursu
Wnioskowanie dla danych kategorycznych w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create bootstrap distribution for proportion with High conf
boot_dist <- gss2016 %>%
# Specify the response and success
specify(response = ___, ___ = "___") %>%
# Generate 500 bootstrap reps
generate(___ = ___, type = "bootstrap") %>%
# Calculate proportions
calculate(stat = "___")
# See the result
boot_dist