Efectul percentilelor asupra intervalelor de încredere bootstrap

Majoritatea oamenilor de știință folosesc intervale de 95% pentru a cuantifica incertitudinea asociată unei estimări. Cu alte cuvinte, ei înțeleg că, pe parcursul unei întregi cariere de construire a intervalelor de încredere, doar 95% dintre acestea vor conține efectiv parametrul pe care și-au propus să îl estimeze.

Există totuși studii care justifică intervale de încredere mai stricte sau mai permisive (și, implicit, rate de eroare diferite).

Valorile \(\hat{p}^*\) obținute prin bootstrap în exercițiul anterior au fost încărcate pentru tine și sunt disponibile în one_poll_boot.

Acest exercițiu face parte din cursul

Bazele inferenței în R

Vezi cursul

Instrucțiuni pentru exercițiu

Calculează un interval percentil de 95% apelând get_confidence_interval() și setând level la 0.95.
Fă același lucru pentru un interval de 99%,
… și pentru unul de 90%.
Rezultatele obținute sunt stocate într-un dataframe numit conf_int_data. Folosind acest set de date, trasează graficul ci_endpoints (axa verticală) față de ci_percent (axa orizontală) și adaugă un strat de linie cu geom_line().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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
  ___()

Editează și rulează codul