När nollhypotesen stämmer: beslut
I den föregående övningen låg den observerade skillnaden i proportioner bekvämt i mitten av nollfördelningen. I den här övningen fattar du ett formellt beslut om nollhypotesen ska förkastas – men i stället för p-värden använder du begreppet förkastningsområde.
Förkastningsområdet är det intervall av statistikans värden som leder till att nollhypotesen förkastas. I ett tvåsidigt test finns det två förkastningsområden. Du vet att det övre området ska innehålla de 2,5 % största värdena av nollstatistikan (när alpha = 0,05), så du kan hitta gränsvärdet genom att beräkna .975-quantile(). På samma sätt innehåller det nedre området de 2,5 % minsta värdena av nollstatistikan, vilket också kan hittas med quantile().
Här är en snabb genomgång av hur funktionen quantile() fungerar för det enkla datasetet x.
x <- c(0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20)
quantile(x, probs = .5)
quantile(x, probs = .8)
När du har definierat förkastningsområdet med hjälp av övre och nedre gränsvärden kan du fatta ditt beslut om nollhypotesen: kontrollera om din observerade statistika hamnar mellan gränsvärdena (i så fall misslyckas du med att förkasta) eller utanför dem (i så fall förkastas nollhypotesen).
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.
# Set alpha
___
# Find cutoffs
lower <- null %>%
summarize(l = quantile(___, probs = ___)) %>%
pull()
upper <- null %>%
summarize(u = quantile(___, probs = ___)) %>%
pull()
# Is d_hat inside cutoffs?
d_hat %>%
between(___, ___)