Влияние уровня доверия на бутстрэп-интервалы

Большинство учёных используют 95%-е интервалы для оценки неопределённости своих результатов. Это означает, что на протяжении всей карьеры лишь 95% построенных ими доверительных интервалов будут действительно содержать оцениваемый параметр.

Однако в ряде исследований оправданы как более строгие, так и более мягкие доверительные интервалы (и соответствующие уровни ошибок).

Значения \(\hat{p}^*\), полученные ранее методом бутстрэпа, уже загружены и доступны в one_poll_boot.

Это упражнение является частью курса

Основы статистического вывода в R

Посмотреть курс

Инструкции к упражнению

Рассчитайте 95%-й процентильный интервал, вызвав get_confidence_interval() с аргументом level, равным 0.95.
Сделайте то же самое для 99%-го интервала,
…и для 90%-го интервала.
Полученные результаты сохранены в датафрейме conf_int_data. Используя этот набор данных, постройте график ci_endpoints (вертикальная ось) относительно ci_percent (горизонтальная ось) и добавьте слой линии с помощью geom_line().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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
  ___()

Редактировать и запускать код