Anpassningstest

Nollhypotesen i ett anpassningstest är en lista med specifika parametervärden för varje proportion. I din analys motsvarar nollhypotesen att Benfords lag gäller för fördelningen av de första siffrorna i de totala rösträkningarna på stadsnivå. Det kan formuleras som:

$$ H_0: p_1 = .30, p_2 = .18, \ldots, p_9 = .05 $$

Där $p_1$ är höjden på det första stapeln i Benfords stapeldiagram. Alternativhypotesen är att minst en av dessa proportioner avviker – det vill säga att fördelningen av första siffror inte följer Benfords lag.

I den här övningen använder du simulering för att bygga upp nollfördelningen av de typer av chi-kvadratstatistiker som du skulle observera om dessa räkningar faktiskt följde Benfords lag.

Den här övningen är en del av kursen

Inferens för kategoriska data i R

Visa kurs

Övningsinstruktioner

Inspektera p_benford genom att skriva ut det till skärmen.
Utgå från iran och beräkna chi-kvadratstatistiken med hjälp av chisq_stat. Observera att du måste ange den variabel i dataramen som ska fungera som din responsvariabel, samt den vektor med sannolikheter som du vill jämföra den med.
Konstruera en nollfördelning med 500 sampel av Chisq-statistiken via simulering under point-nollhypotesen att proportionsvektorn p är p_benford. Spara de resulterande statistikvärdena som null.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Inspect p_benford
p_benford

# Compute observed stat
chi_obs_stat <- ___
  chisq_stat(response = ___, p = ___)

# Form null distribution
null <- ___
  # Specify the response
  ___
  # Set up the null hypothesis
  ___
  # Generate 500 reps
  ___
  # Calculate statistics
  ___

Redigera och kör kod