Inferens med och utan avvikande värde (randomisering)
Med hjälp av randomiseringstestet kan du återigen utvärdera effekten av ett avvikande värde på de inferentiella slutsatserna från en linjär modell. Kör ett randomiseringstest på datan hypdata_out två gånger: en gång med det avvikande värdet och en gång utan det. Notera att de utökade kodraderna tydligt kommunicerar stegen i randomiseringstesterna.
Den här övningen är en del av kursen
Inferens för linjär regression i R
Övningsinstruktioner
Utifrån datarамarna hypdata_out (som innehåller ett avvikande värde) och hypdata_noout (utan det avvikande värdet) skapades datarамarna perm_slope_out och perm_slope_noout för att innehålla de permuterade lutningarna för respektive originaldatamängd. De observerade värdena lagras i variablerna obs_slope_out och obs_slope_noout.
- Beräkna p-värdena genom att hitta andelen permuterade lutningar (med
absolutvärde) som är större än eller lika med det observerade lutningens (medabsolutvärde). Använd precis som tidigaremeanpå den binära olikheten för att beräkna andelen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate the p-value with the outlier
perm_slope_out %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)
# Calculate the p-value without the outlier
perm_slope_noout %>%
mutate(abs_perm_slope = ___) %>%
summarize(p_value = ___)