Intervalo percentil por bootstrap
A ideia principal no exercício anterior foi que a distância entre a amostra original \(\hat{p}\) e os valores reamostrados (ou bootstrap) \(\hat{p}^*\) fornece uma medida de quão distante a \(\hat{p}\) original está da verdadeira proporção populacional.
A mesma variabilidade pode ser medida de outra forma. Como antes, se \(\hat{p}\) estiver suficientemente próxima do parâmetro verdadeiro, então os valores reamostrados (bootstrap) \(\hat{p}^*\) vão variar de modo que se sobreponham ao parâmetro verdadeiro.
Em vez de usar \(\pm 2 SE\) para medir os 95% centrais dos valores amostrados de \(\hat{p}\), você pode encontrar o miolo dos valores reamostrados \(\hat{p}^*\) removendo os 2,5% inferiores e superiores. Observe que esse segundo método de construir intervalos de bootstrap também dá uma forma intuitiva de criar intervalos de confiança de 90% ou 99%, além dos de 95%.
As reamostragens via bootstrap, one_poll_boot, e a proporção de votos "sim", p_hat, estão disponíveis no seu ambiente de trabalho.
Este exercício faz parte do curso
Fundamentos de Inferência em R
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# From previous exercise: bootstrap t-confidence interval
one_poll_boot %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
# Manually calculate a 95% percentile interval
one_poll_boot %>%
summarize(
lower = ___(stat, p = ___),
upper = ___
)