Intervalul percentil bootstrap
Ideea principală din exercițiul anterior a fost că distanța dintre \(\hat{p}\) din eșantionul original și valorile \(\hat{p}^*\) reeșantionate (sau bootstrap) oferă o măsură a cât de departe este \(\hat{p}\) original față de proporția reală din populație.
Aceeași variabilitate poate fi măsurată printr-un alt mecanism. Ca și înainte, dacă \(\hat{p}\) este suficient de aproape de parametrul real, atunci valorile \(\hat{p}^*\) reeșantionate (bootstrap) vor varia în așa fel încât se vor suprapune cu parametrul real.
În loc să folosești \(\pm 2 SE\) pentru a măsura intervalul central de 95% al valorilor \(\hat{p}\) eșantionate, poți găsi centrul valorilor \(\hat{p}^*\) reeșantionate eliminând 2,5% din valorile superioare și inferioare. De remarcat că această a doua metodă de construire a intervalelor bootstrap oferă totodată o modalitate intuitivă de a calcula intervale de încredere de 90% sau 99%, nu doar de 95%.
Reeșantioanele bootstrap, one_poll_boot, și proporția voturilor „da", p_hat, sunt disponibile în spațiul tău de lucru.
Acest exercițiu face parte din cursul
Bazele inferenței în R
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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 = ___
)