การสร้าง CI
คุณได้เห็นตัวอย่างหนึ่งของวิธีที่ p-hat สามารถเปลี่ยนแปลงได้เมื่อทำการ resample แต่เราต้องทำซ้ำหลายครั้งมากเพื่อให้ได้ค่าประมาณความแปรปรวนที่ดี ในแบบฝึกหัดนี้ คุณจะคำนวณ bootstrap distribution แบบเต็มรูปแบบเพื่อประมาณค่า standard error (SE) ซึ่งจะนำไปใช้สร้าง confidence interval จะมีการใช้ฟังก์ชัน calculate() จาก infer เพิ่มเติม เพื่อช่วยให้กระบวนการคำนวณสถิติจากชุดข้อมูลหลายชุดเป็นไปอย่างราบรื่น
ลองสังเกตผลลัพธ์ของ calculate ก่อน ฟังก์ชันนี้จะลด data frame ของคุณให้เหลือเพียงสองคอลัมน์ ได้แก่ คอลัมน์สำหรับค่า "stat" และคอลัมน์สำหรับ "replicate" ที่สอดคล้องกัน
เมื่อพล็อต bootstrap distribution จะพบว่ามีรูปร่างคล้ายระฆัง รูปร่างนี้เองที่ทำให้สามารถบวกและลบ SE สองค่าเพื่อให้ได้ช่วงความเชื่อมั่น 95% ได้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การอนุมานสำหรับข้อมูลเชิงหมวดหมู่ใน R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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