Проверка гипотез с выбросом и без него (рандомизация)

С помощью рандомизационного теста можно снова оценить влияние выброса на выводы, которые линейная модель позволяет делать о генеральной совокупности. Запустите рандомизационный тест на данных hypdata_out дважды: один раз с выбросом и один раз без него. Обратите внимание, что развёрнутые строки кода наглядно отражают каждый шаг рандомизационных тестов.

Это упражнение является частью курса

Вывод для линейной регрессии в R

Посмотреть курс

Инструкции к упражнению

На основе фреймов данных hypdata_out (содержащего выброс) и hypdata_noout (выброс удалён) были созданы фреймы данных perm_slope_out и perm_slope_noout, содержащие перестановочные наклоны для исходных наборов данных соответственно. Наблюдаемые значения хранятся в переменных obs_slope_out и obs_slope_noout.

Найдите p-значения, определив долю перестановочных наклонов (по absолютной величине), которые больше или равны (абсолютному значению) наблюдаемых наклонов. Как и прежде, используйте функцию mean для бинарного неравенства, чтобы вычислить долю.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Calculate the p-value with the outlier
perm_slope_out %>% 
  mutate(abs_perm_slope = ___) %>%
  summarize(p_value = ___)

# Calculate the p-value without the outlier
perm_slope_noout %>% 
  mutate(abs_perm_slope = ___) %>%
  summarize(p_value = ___)

Редактировать и запускать код