Zerowy rozkład próbkowania współczynnika kierunkowego
W poprzednim rozdziale analizowałeś rozkład próbkowania współczynnika kierunkowego dla populacji, w której ten współczynnik był różny od zera. Zazwyczaj jednak, aby przeprowadzić wnioskowanie statystyczne, trzeba znać rozkład próbkowania współczynnika kierunkowego przy założeniu hipotezy, że między zmienną objaśniającą a zmienną odpowiedzi nie ma żadnego związku. Co więcej, w większości przypadków nie znamy populacji, z której pochodzą dane – dlatego zerowy rozkład próbkowania należy wyznaczyć wyłącznie na podstawie oryginalnego zbioru danych.
W połowie XX wieku przeprowadzono badanie, w którym śledzono losy identycznych bliźniąt rozdzielonych tuż po urodzeniu: jedno dziecko wychowywało się w domu biologicznych rodziców, a drugie w rodzinie zastępczej. Chcąc odpowiedzieć na pytanie, czy inteligencja jest wynikiem natury czy wychowania, oboje dzieci poddano testom IQ. Uzyskane dane zawierają wyniki IQ bliźniąt wychowanych w rodzinach zastępczych (Foster – zmienna odpowiedzi) oraz wyniki IQ bliźniąt wychowanych przez rodziców biologicznych (Biological – zmienna objaśniająca).
W tym ćwiczeniu skorzystasz z funkcji pull(). Przyjmuje ona ramkę danych i zwraca wybraną kolumnę jako wektor (podobnie jak operator $).
To ćwiczenie jest częścią kursu
Wnioskowanie w regresji liniowej w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
library(infer)
# Calculate the observed slope
# Run a lin. reg. of Foster vs. Biological on the twins data
obs_slope <- ___(___, ___) %>%
# Tidy the result
___() %>%
# Filter for rows where term equal Biological
___(___) %>%
# Pull out the estimate column
___(___)
# See the result
obs_slope