Simuleringsbaserat t-test
I kapitel 2 utförde du stegen för ett t-test manuellt för att undersöka dessa hypoteser.
\(H_{0}\): Medelvikten för förseningsfria leveranser är densamma som medelvikten för försenade leveranser.
\(H_{A}\): Medelvikten för förseningsfria leveranser är lägre än medelvikten för försenade leveranser.
Du kan köra testet mer kompakt med infers t_test().
late_shipments %>%
t_test(
weight_kilograms ~ late,
order = c("No", "Yes"),
alternative = "less"
)
t_test() förutsätter att nolldistributionen är normalfördelad. Du kan undvika sådana antaganden genom att använda ett simuleringsbaserat icke-parametriskt alternativ.
late_shipments är tillgänglig; dplyr och infer är inlästa.
Den här övningen är en del av kursen
Hypotestestning i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Fill out the null distribution pipeline
null_distn <- late_shipments %>%
# Specify weight_kilograms vs. late
___ %>%
# Declare a null hypothesis of independence
___ %>%
# Generate 1000 permutation replicates
___ %>%
# Calculate the difference in means ("No" minus "Yes")
___
# See the results
null_distn