Yüzdeliklerin bootstrap GA'lere etkisi

Çoğu bilim insanı, bir tahmine ilişkin belirsizliğini niceliklendirmek için %95 aralıklar kullanır. Yani, kariyeri boyunca oluşturduğu güven aralıklarının yalnızca %95'inin, tahmin etmeye çalıştığı parametreyi gerçekten içereceğini bilir.

Ancak, daha sıkı ya da daha esnek güven aralıkları (ve buna bağlı hata oranları) gerektiren çalışmalar da vardır.

Önceki önyükleme ile elde edilen \(\hat{p}^*\) değerleri senin için yüklendi ve one_poll_boot içinde kullanılabilir.

Bu egzersiz, kursun bir parçasıdır

R ile Çıkarımın Temelleri

Kursa Göz Atın

Egzersiz talimatları

get_confidence_interval() çağırarak ve level değerini 0.95 yaparak %95 yüzdelik aralığı hesapla.
Aynısını %99 aralık için yap,
… ve %90 aralık için de yap.
Az önce elde ettiğin sonuçlar conf_int_data adlı bir veri çerçevesinde saklandı. Bu veri kümesiyle, ci_endpointsi (dikey eksen) ci_percente (yatay eksen) karşı görselleştir ve geom_line() kullanarak bir çizgi katmanı ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Calculate a 95% bootstrap percentile interval
one_poll_boot %>% 
  ___(___) 

# Calculate a 99% bootstrap percentile interval
___ %>% 
  ___(___) 

# Calculate a 90% bootstrap percentile interval
___ %>% 
  ___(___) 

# Plot ci_endpoints vs. ci_percent to compare the intervals
ggplot(conf_int_data, aes(___, ___)) +
  # Add a line layer
  ___()

Kodu Düzenle ve Çalıştır