Konstruera ett KI
Du har sett ett exempel på hur p-hat kan variera vid omsampling, men vi behöver göra detta många gånger för att få en god uppskattning av variabiliteten. Här beräknar du en fullständig bootstrapfördelning för att skatta standardfelet (SE) som används för att konstruera ett konfidensintervall. Du använder ytterligare ett verb från infer, calculate(), för att effektivisera beräkningen av många statistikvärden från många datamängder.
Ta en stund och undersök utdata från calculate. Funktionen reducerar din dataram till bara två kolumner: en för "stat"-värdena och en för det "replicate" de tillhör.
När du plottar din bootstrapfördelning kommer du att se att den är klockformad. Det är just den formen som gör att du kan lägga till och dra ifrån två SE för att få ett 95%-igt intervall.
Den här övningen är en del av kursen
Inferens för kategoriska data i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create bootstrap distribution for proportion with High conf
boot_dist <- gss2016 %>%
# Specify the response and success
specify(response = ___, ___ = "___") %>%
# Generate 500 bootstrap reps
generate(___ = ___, type = "bootstrap") %>%
# Calculate proportions
calculate(stat = "___")
# See the result
boot_dist