Parat t-test
I videon lärde du dig hur parade t-test kan vara kraftfullare än vanliga t-test. I den här övningen får du se ett konkret exempel på detta. Det första steget är att simulera data. Liknande data kan till exempel komma från personers vikt före och efter en läkemedelsbehandling, eller hur mycket pengar en kund spenderar före och efter att ha sett en reklam.
Med simulerad data vet du vilka egenskaper datan har, vilket gör det enkelt att kontrollera att modellen beter sig som förväntat. R har stöd för många fördelningar, inklusive normalfördelningen. Din simulerade data kommer att ha ojämn varians, det vill säga standardavvikelserna skiljer sig åt. Det andra steget är att analysera datan med både ett parat och ett vanligt t-test. Till sist får du en fråga om resultaten från de parade t-testen.
Som en del av det första steget ska du "sätta fröet" för R:s slumptalsgenerator. Det ser till att du får samma tal varje gång du kör koden, och att DataCamps system kan bedöma din kod korrekt.
Den här övningen är en del av kursen
Hierarkiska modeller och modeller med blandade effekter i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Set the seed to be 345659
set.seed(___)
# Model 10 individuals
n_ind <- ___
# simulate before with mean of 0 and sd of 0.5
before <- rnorm(n = n_ind, mean = ___, sd = ___)
# simulate after with mean effect of 4.5 and standard devation of 5
after <- ___ + rnorm(n = n_ind, mean = ___, sd = ___)