Efeitos dos percentis em ICs por bootstrap

A maioria dos cientistas usa intervalos de 95% para quantificar a incerteza sobre uma estimativa. Ou seja, eles entendem que, ao longo de uma vida criando intervalos de confiança, apenas 95% deles realmente conterão o parâmetro que pretendiam estimar.

Há estudos, no entanto, que exigem intervalos de confiança mais rígidos ou mais flexíveis (e, consequentemente, taxas de erro diferentes).

Os valores anteriores de \(\hat{p}^*\) obtidos por bootstrap foram carregados para você e estão disponíveis em one_poll_boot.

Este exercício faz parte do curso

Fundamentos de Inferência em R

Ver curso

Instruções do exercício

Calcule um intervalo percentil de 95% chamando get_confidence_interval(), definindo level como 0.95.
Faça o mesmo para um intervalo de 99%,
… e para um intervalo de 90%.
Os resultados que você acabou de obter estão armazenados em um dataframe chamado conf_int_data. Com esse conjunto de dados, faça um gráfico de ci_endpoints (eixo vertical) vs. ci_percent (eixo horizontal) e adicione uma camada de linha usando geom_line().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Calculate a 95% bootstrap percentile interval
one_poll_boot %>% 
  ___(___) 

# Calculate a 99% bootstrap percentile interval
___ %>% 
  ___(___) 

# Calculate a 90% bootstrap percentile interval
___ %>% 
  ___(___) 

# Plot ci_endpoints vs. ci_percent to compare the intervals
ggplot(conf_int_data, aes(___, ___)) +
  # Add a line layer
  ___()

Editar e executar o código