Percentilenivåns effekt på bootstrap-konfidensintervall

De flesta forskare använder 95%-intervall för att kvantifiera sin osäkerhet kring ett skattningsvärde. Det innebär att under en livstid av konfidensintervallsskapande kommer bara 95% av dem faktiskt att innehålla den parameter man försöker skatta.

Det finns dock studier som motiverar antingen striktare eller mer tillåtande konfidensintervall (och därtill hörande felmarginaler).

De tidigare bootstrappade \(\hat{p}^*\)-värdena har lästs in åt dig och finns tillgängliga i one_poll_boot.

Den här övningen är en del av kursen

Grundläggande inferens i R

Visa kurs

Övningsinstruktioner

Beräkna ett 95%-percentilintervall genom att anropa get_confidence_interval() och sätta level till 0.95.
Gör samma sak för ett 99%-intervall,
… och ett 90%-intervall.
Resultaten du nyss fick finns lagrade i en dataram som heter conf_int_data. Använd det här datasetet och plotta ci_endpoints (lodrät axel) mot ci_percent (vågrät axel), och lägg till ett linjeskikt med geom_line().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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
  ___()

Redigera och kör kod