Urvalsstorlekens effekt på bootstrap-konfidensintervall

I en tidigare flervalsfråga insåg du att om du återsamplat data med fel storlek (t.ex. 300 eller 3 i stället för 30) blir standardfelet (SE) för urvalsproportionerna fel. Med 300 återsamplingar blev SE för litet. Med 3 återsamplingar blev SE för stort.

Här ska du använda det felaktiga standardfelet (baserat på fel urvalsstorlek) för att skapa ett konfidensintervall. Poängen är att när standardfelet är fel är intervallet varken särskilt användbart eller korrekt.

Den här övningen är en del av kursen

Grundläggande inferens i R

Visa kurs

Övningsinstruktioner

En funktion för att beräkna det bootstrappade t-konfidensintervallet, calc_t_conf_int(), visas i skriptet. Läs koden och försök förstå hur den fungerar.
Anropa calc_t_conf_int() på one_poll_boot för att beräkna det korrekta t-konfidensintervallet.
Gör samma sak på one_poll_boot_300 för att hitta ett felaktigt intervall för återsamplingar av storleken 300.
Gör samma sak på one_poll_boot_3 för att hitta ett felaktigt intervall för återsamplingar av storleken 3.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

calc_t_conf_int <- function(resampled_dataset) {
  resampled_dataset %>%
    summarize(
      lower = p_hat - 2 * sd(stat),
      upper = p_hat + 2 * sd(stat)
    )
}

# Find the bootstrap t-confidence interval for 30 resamples
calc_t_conf_int(___)

# ... and for 300 resamples
___

# ... and for 3 resamples
___

Redigera och kör kod