Efeitos do tamanho da amostra nos ICs por bootstrap
Em um exercício de múltipla escolha anterior, você percebeu que, se você reamostrar os dados com o tamanho errado (por exemplo, 300 ou 3 em vez de 30), o erro padrão (SE) das proporções amostrais fica incorreto. Com 300 observações reamostradas, o SE ficou pequeno demais. Com 3 observações reamostradas, o SE ficou grande demais.
Aqui, você vai usar o erro padrão incorreto (baseado no tamanho de amostra incorreto) para criar um intervalo de confiança. A ideia é que, quando o erro padrão está errado, o intervalo não é particularmente útil, nem correto.
Este exercício faz parte do curso
Fundamentos de Inferência em R
Instruções do exercício
- Uma função para calcular o intervalo de confiança t por bootstrap,
calc_t_conf_int(), está mostrada no script. Leia o código e tente entendê-lo. - Chame
calc_t_conf_int()emone_poll_bootpara calcular o intervalo de confiança t correto. - Faça o mesmo em
one_poll_boot_300, para encontrar um intervalo incorreto para as reamostragens de tamanho 300. - Faça o mesmo em
one_poll_boot_3, para encontrar um intervalo incorreto para as reamostragens de tamanho 3.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
calc_t_conf_int <- function(resampled_dataset) {
resampled_dataset %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
}
# Find the bootstrap t-confidence interval for 30 resamples
calc_t_conf_int(___)
# ... and for 300 resamples
___
# ... and for 3 resamples
___