Bootstrap yüzdelik aralığı
Önceki egzersizdeki ana fikir, orijinal örneklem \(\hat{p}\) ile yeniden örneklenen (ya da bootstrap) \(\hat{p}^*\) değerleri arasındaki mesafenin, orijinal \(\hat{p}\)'nin gerçek anakütle oranından ne kadar uzakta olduğuna dair bir ölçü vermesiydi.
Aynı değişkenlik farklı bir mekanizmayla da ölçülebilir. Daha önce olduğu gibi, \(\hat{p}\) gerçek parametreye yeterince yakınsa, yeniden örneklenen (bootstrap) \(\hat{p}^*\) değerleri gerçek parametreyle örtüşecek şekilde değişkenlik gösterecektir.
Örneklenen \(\hat{p}\) değerlerinin orta %95'ini ölçmek için \(\pm 2 SE\) kullanmak yerine, yeniden örneklenen \(\hat{p}^*\) değerlerinin üst ve alt %2,5'ini çıkararak ortadaki bölümü bulabilirsin. Bu ikinci bootstrap aralığı kurma yöntemi, 95%'in yanı sıra 90% veya 99% güven aralıklarını da sezgisel olarak oluşturmanın bir yolunu sunar.
Bootstrap ile yeniden örneklenen one_poll_boot ve evet oylarının oranı p_hat çalışma alanında hazır.
Bu egzersiz, kursun bir parçasıdır
R ile Çıkarımın Temelleri
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# From previous exercise: bootstrap t-confidence interval
one_poll_boot %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
# Manually calculate a 95% percentile interval
one_poll_boot %>%
summarize(
lower = ___(stat, p = ___),
upper = ___
)